Um algoritmo adaptativo de baixo custo computacional para amostragem e censura em redes de difusão.

Detalhes bibliográficos
Autor(a) principal: Tiglea, Daniel Gilio
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-20012021-154434/
Resumo: Nos últimos anos, redes de difusão adaptativas e filtros adaptativos baseados em grafos se tornaram tópicos de forte interesse na comunidade de processamento de sinais. As redes de difusão adaptativas se consolidaram na literatura como ferramentas interessantes para o processamento distribuído de sinais, apresentando vantagens em relação a soluções centralizadas e a outras técnicas de difusão. Os filtros adaptativos baseados em grafos, por sua vez, vêm ganhando notoriedade por sua capacidade de lidar com situações em que há grandes quantidades de dados relacionados entre si por meio de estruturas irregulares. Em ambos os casos, foram propostas técnicas para reduzir a quantidade de informação medida e transmitida ao longo das redes, o que possibilita reduzir o custo computacional e o consumo energético. Tais técnicas em geral afetam o desempenho das soluções originais, mas são importantes por prolongar a vida útil das redes. Neste trabalho, é proposto um mecanismo adaptativo de amostragem para soluções adaptativas difusas e baseadas em grafos. O algoritmo de amostragem proposto utiliza mais nós quando a magnitude do erro ao longo da rede é elevada e menos nós caso contrário. Dessa forma, alcança-se uma redução significativa em termos de custo computacional ao mesmo tempo em que o impacto no desempenho é mitigado. Mostra-se ainda que, com uma pequena modificação, ele pode ser utilizado para reduzir a quantidade de transmissões entre nós, possibilitando uma economia em termos energéticos. Além disso, é apresentada uma análise teórica acerca do mecanismo proposto, que possibilita uma melhor compreensão do seu funcionamento e permite escolhas mais embasadas para os seus parâmetros.
id USP_ad431574009baa6e8f04688f0e0a0dc0
oai_identifier_str oai:teses.usp.br:tde-20012021-154434
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Um algoritmo adaptativo de baixo custo computacional para amostragem e censura em redes de difusão.A low-cost algorithm foradaptive sampling and censoring in diffusion networks.Adaptive networksAmostragem em grafosCombinação convexaConvex combinationDistributed estimationEficiência energéticaEnergy efficiencyFiltragem em grafosFiltros elétricos adaptativosGraph FilteringGraph signal processingProcessamento de sinaisRedes de computadoresRedes de difusão adaptativasSampling on graphsSistemas distribuídosNos últimos anos, redes de difusão adaptativas e filtros adaptativos baseados em grafos se tornaram tópicos de forte interesse na comunidade de processamento de sinais. As redes de difusão adaptativas se consolidaram na literatura como ferramentas interessantes para o processamento distribuído de sinais, apresentando vantagens em relação a soluções centralizadas e a outras técnicas de difusão. Os filtros adaptativos baseados em grafos, por sua vez, vêm ganhando notoriedade por sua capacidade de lidar com situações em que há grandes quantidades de dados relacionados entre si por meio de estruturas irregulares. Em ambos os casos, foram propostas técnicas para reduzir a quantidade de informação medida e transmitida ao longo das redes, o que possibilita reduzir o custo computacional e o consumo energético. Tais técnicas em geral afetam o desempenho das soluções originais, mas são importantes por prolongar a vida útil das redes. Neste trabalho, é proposto um mecanismo adaptativo de amostragem para soluções adaptativas difusas e baseadas em grafos. O algoritmo de amostragem proposto utiliza mais nós quando a magnitude do erro ao longo da rede é elevada e menos nós caso contrário. Dessa forma, alcança-se uma redução significativa em termos de custo computacional ao mesmo tempo em que o impacto no desempenho é mitigado. Mostra-se ainda que, com uma pequena modificação, ele pode ser utilizado para reduzir a quantidade de transmissões entre nós, possibilitando uma economia em termos energéticos. Além disso, é apresentada uma análise teórica acerca do mecanismo proposto, que possibilita uma melhor compreensão do seu funcionamento e permite escolhas mais embasadas para os seus parâmetros.In recent years, diffuse adaptive networks and graph adaptive filters have become topics of strong interest in the signal processing community. Diffuse adaptive networks have consolidated themselves in the literature as interesting tools for distributed signal processing, presenting advantages over centralized solutions and other diffusion techniques. Graph adaptive filters, in turn, have attracted attention for their ability to deal with situations in which there are large amounts of data that are related through irregular structures. In both cases, techniques have been proposed to reduce the amount of information measured and transmitted over the networks, which enables a reduction in the computational cost and in the energy consumption. Such techniques usually affect the performance of the original solutions, but are important for extending the network lifetime. In this work, we propose an adaptive sampling mechanism for distributed adaptive solutions and graph adaptive filters. The proposed sampling algorithm uses more nodes when the magnitude of the error throughout the network is high, and less nodes otherwise. Thus, a significant reduction in computational cost is achieved while the impact on performance is mitigated. It is also shown that, with a small modification, the proposed sampling mechanism can be used to reduce the number of transmissions between nodes, enabling a reduction in energy consumption. Furthermore, we conduct a theoretical analysis of the proposed mechanism, which enables a better understanding of its functioning and allows more suitable choices for its parameters.Biblioteca Digitais de Teses e Dissertações da USPCandido, RenatoSilva, Magno Teófilo Madeira daTiglea, Daniel Gilio2020-05-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/3/3142/tde-20012021-154434/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2021-01-26T16:31:02Zoai:teses.usp.br:tde-20012021-154434Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212021-01-26T16:31:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Um algoritmo adaptativo de baixo custo computacional para amostragem e censura em redes de difusão.
A low-cost algorithm foradaptive sampling and censoring in diffusion networks.
title Um algoritmo adaptativo de baixo custo computacional para amostragem e censura em redes de difusão.
spellingShingle Um algoritmo adaptativo de baixo custo computacional para amostragem e censura em redes de difusão.
Tiglea, Daniel Gilio
Adaptive networks
Amostragem em grafos
Combinação convexa
Convex combination
Distributed estimation
Eficiência energética
Energy efficiency
Filtragem em grafos
Filtros elétricos adaptativos
Graph Filtering
Graph signal processing
Processamento de sinais
Redes de computadores
Redes de difusão adaptativas
Sampling on graphs
Sistemas distribuídos
title_short Um algoritmo adaptativo de baixo custo computacional para amostragem e censura em redes de difusão.
title_full Um algoritmo adaptativo de baixo custo computacional para amostragem e censura em redes de difusão.
title_fullStr Um algoritmo adaptativo de baixo custo computacional para amostragem e censura em redes de difusão.
title_full_unstemmed Um algoritmo adaptativo de baixo custo computacional para amostragem e censura em redes de difusão.
title_sort Um algoritmo adaptativo de baixo custo computacional para amostragem e censura em redes de difusão.
author Tiglea, Daniel Gilio
author_facet Tiglea, Daniel Gilio
author_role author
dc.contributor.none.fl_str_mv Candido, Renato
Silva, Magno Teófilo Madeira da
dc.contributor.author.fl_str_mv Tiglea, Daniel Gilio
dc.subject.por.fl_str_mv Adaptive networks
Amostragem em grafos
Combinação convexa
Convex combination
Distributed estimation
Eficiência energética
Energy efficiency
Filtragem em grafos
Filtros elétricos adaptativos
Graph Filtering
Graph signal processing
Processamento de sinais
Redes de computadores
Redes de difusão adaptativas
Sampling on graphs
Sistemas distribuídos
topic Adaptive networks
Amostragem em grafos
Combinação convexa
Convex combination
Distributed estimation
Eficiência energética
Energy efficiency
Filtragem em grafos
Filtros elétricos adaptativos
Graph Filtering
Graph signal processing
Processamento de sinais
Redes de computadores
Redes de difusão adaptativas
Sampling on graphs
Sistemas distribuídos
description Nos últimos anos, redes de difusão adaptativas e filtros adaptativos baseados em grafos se tornaram tópicos de forte interesse na comunidade de processamento de sinais. As redes de difusão adaptativas se consolidaram na literatura como ferramentas interessantes para o processamento distribuído de sinais, apresentando vantagens em relação a soluções centralizadas e a outras técnicas de difusão. Os filtros adaptativos baseados em grafos, por sua vez, vêm ganhando notoriedade por sua capacidade de lidar com situações em que há grandes quantidades de dados relacionados entre si por meio de estruturas irregulares. Em ambos os casos, foram propostas técnicas para reduzir a quantidade de informação medida e transmitida ao longo das redes, o que possibilita reduzir o custo computacional e o consumo energético. Tais técnicas em geral afetam o desempenho das soluções originais, mas são importantes por prolongar a vida útil das redes. Neste trabalho, é proposto um mecanismo adaptativo de amostragem para soluções adaptativas difusas e baseadas em grafos. O algoritmo de amostragem proposto utiliza mais nós quando a magnitude do erro ao longo da rede é elevada e menos nós caso contrário. Dessa forma, alcança-se uma redução significativa em termos de custo computacional ao mesmo tempo em que o impacto no desempenho é mitigado. Mostra-se ainda que, com uma pequena modificação, ele pode ser utilizado para reduzir a quantidade de transmissões entre nós, possibilitando uma economia em termos energéticos. Além disso, é apresentada uma análise teórica acerca do mecanismo proposto, que possibilita uma melhor compreensão do seu funcionamento e permite escolhas mais embasadas para os seus parâmetros.
publishDate 2020
dc.date.none.fl_str_mv 2020-05-27
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/3/3142/tde-20012021-154434/
url https://www.teses.usp.br/teses/disponiveis/3/3142/tde-20012021-154434/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1809090879900614656