Publicação: Habilitando previsões de desastres em cenários de IoT com transferência de aprendizado
Carregando...
Tipo do documento
Data
Direito de acesso
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO::ARQUITETURA DE SISTEMAS DE COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
A tecnologia da informação e da comunicação tem mudado a forma como a humanidade vê o mundo ao seu redor. Diante da maturação da Internet das Coisas (IoT) e das possibilidades ofertadas pela inteligência artificial, temos maior capacidade de observar e de estimar, coisas e situações, a partir de informações coletadas no ambiente. Este trabalho investiga o uso de transferência de aprendizado como ferramenta habilitadora para o monitoramento de locais remotos, visando à prevenção de desastres. O objetivo principal é prover uma solução viável para cenários com restrição de largura de banda para comunicação de dados, como zonas rurais por exemplo. Como forma de validar a arquitetura proposta, apresentamos resultados obtidos em um protótipo construído em nossos laboratórios que permite avaliar a acurácia de modelos de aprendizado de máquina em diferentes condições de transmissão de dados de monitoramento. Os resultados demonstram a eficácia da técnica de transferência de aprendizado como um dos pilares para a escalabilidade de um sistema de monitoramento de desastres.
Abstract
Information and communication technology have changed the way humanity sees the world around it. Faced with the maturation of the Internet of Things (IoT) and the possibilities offered by artificial intelligence, we have a greater ability to observe and estimate things and situations, based on information collected in the environment. This work investigates the use of transfer of learning as an enabling tool for monitoring remote locations, aiming at disaster prevention. The main objective is to provide a viable solution for scenarios with limited bandwidth for data communication, such as rural areas. As a way to validate the proposed architecture, we present results obtained in a prototype built in our laboratories that allows us to evaluate the accuracy of machine learning models under different conditions for the transmission of monitoring data. The results demonstrate the effectiveness of the transfer of learning technique as one of the pillars for the scalability of a disaster monitoring system.
Palavras-chave
Aprendizado de máquina, IoT, Transferência de aprendizado, Gerenciamento de desastres, infraestrutura virtualizada
Citação
COLANTONI, Marcus Artiaga. Habilitando previsões de desastres em cenários de IoT com transferência de aprendizado. 2022. 90 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2022. DOI ttp://doi.org/10.14393/ufu.di.2022.617.