Charla sobre Aprendizaje Federado y redes 6G
El Aprendizaje Federado (AF) ha surgido como un paradigma efectivo para sistemas de aprendizaje distribuido debido a su fuerte potencial para explotar las características subyacentes de los datos mientras se preserva la privacidad de los mismos. Muchas soluciones existentes mencionan que el intercambio de gradientes no es ni eficiente ni seguro.
Esta charla presenta dos paradigmas de aprendizaje federado en futuras redes inalámbricas, que son eficientes en cuanto al ancho de banda y brindan una fuerte privacidad. La primera propuesta es un novedoso marco de aprendizaje federado que solo aplica el intercambio parcial de modelos GAN. Este nuevo marco PS-FedGAN aborda de manera efectiva las distribuciones heterogéneas de datos entre clientes y refuerza la preservación de la privacidad a un costo de comunicación reducido, especialmente en redes inalámbricas.
El segundo diseño propone una nueva agregación de información suave inalámbrica para la toma colaborativa de decisiones en redes de sensores distribuidos. Se explota la superposición natural de transmisiones inalámbricas para permitir que los sensores utilicen la computación inalámbrica para aproximar la estadística suficiente para la detección óptima sobre un canal compartido. Diseñando un procesamiento práctico de los transmisores y receptores en la computación inalámbrica, el servidor que realiza la fusión en la toma de decisiones puede obtener de manera inalámbrica una buena aproximación de la razón de log-likelihood agregada calculada sobre todos los datos observados y con baja distorsión. Los resultados muestran una ganancia significativa en la colaboración inalámbrica, incluso con unos pocos nodos participantes. El nuevo marco exhibe una pérdida de desempeño muy pequeña en la exactitud de detección en comparación con la transmisión tradicional de múltiple acceso desde nodos de sensado, a pesar del ahorro sustancial de recursos mediante la computación inalámbrica.
Acerca del disertante
El Dr. Zhi Ding ocupa el cargo de profesor distinguido en el Departamento de Ingeniería Eléctrica y Computación de la Universidad de California, Davis. Obtuvo su doctorado en Ingeniería Eléctrica en la Universidad de Cornell en 1990. Desde ese año hasta 2000 fue miembro del cuerpo docente de la Universidad de Auburn y posteriormente de la Universidad de Iowa, para luego, en el 2000, unirse a la Facultad de Ingeniería de UC Davis.
Los principales intereses y experiencias de investigación del Prof. Ding abarcan las áreas de redes inalámbricas, comunicaciones, procesamiento de señales, multimedia y aprendizaje. También fue Disertante Distinguido del IEEE (Sociedad de Circuitos y Sistemas, 2004-06; Sociedad de Comunicaciones, 2008-09). Ha sido miembro del Consejo Directivo del IEEE Transactions on Wireless Communications (2007-2009) y su presidente (2009-2010). El doctor es coautor del libro “Modern Digital and Analog Communication Systems”;, 5ta edición, Oxford University Press, 2019. Recibió el Premio WTC de la Sociedad de Comunicaciones del IEEE en 2012 y el Premio a la Educación de la Sociedad de Comunicaciones del IEEE en 2020.
Consulas: rveiga@fi.uba.ar