Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

PID2020-119367RB-I00

Financiado

Cerrado

APRENDIZAJE FEDERADO Y CONTINUO A PARTIR DE DATOS HETEROGENEOS EN DISPOSITIVOS Y...

APRENDIZAJE FEDERADO Y CONTINUO A PARTIR DE DATOS HETEROGENEOS EN DISPOSITIVOS Y ROBOTS LA RAPIDA ADAPTACION, PERSONALIZACION Y PRIVACIDAD DE LOS DATOS SON TRES ASPECTOS REQUERIDOS Y ALTAMENTE VALORADOS EN DISPOSITIVOS Y ROBOTS. CON MILES DE MILLONES DE DISPOSITIVOS MOVILES EN EL MUNDO Y SENSORES EN TODAS PARTES, EST... ver más

01/01/2020

USC

51K€

Presupuesto del proyecto: 51K€

Líder del proyecto

UNIVERSIDAD DE SANTIAGO DE COMPOSTELA No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 238

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2020-01-01 No tenemos la información de la convocatoria

0% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

Participantes

USC

Lider

Proyectos interesantes

COLLIS.EUS

Software

Robotics and Au...

213K€ Cerrado

ASCENS

Software

Robotics and Au...

8M€ Cerrado

D-SynMA

Software

Robotics and Au...

2M€ Cerrado

PLATAFORMA RAIL PLATAFORMA PARA EL APRENDIZA...

Robotics and Au...

Software

424K€ Cerrado

explorer

Software

Robotics and Au...

2M€ Cerrado

EPiCS

Software

Robotics and Au...

7M€ Cerrado

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Líder del proyecto

UNIVERSIDAD DE SANTIAGO DE COMPOSTELA No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 238

Presupuesto del proyecto 51K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto LA RAPIDA ADAPTACION, PERSONALIZACION Y PRIVACIDAD DE LOS DATOS SON TRES ASPECTOS REQUERIDOS Y ALTAMENTE VALORADOS EN DISPOSITIVOS Y ROBOTS. CON MILES DE MILLONES DE DISPOSITIVOS MOVILES EN EL MUNDO Y SENSORES EN TODAS PARTES, ESTA ES UNA ERA DE COMPUTACION UBICUA, CON UNA EXPLOSION INCONCEBIBLE Y ABRUMADORA DE DATOS GENERADOS A DIARIO. EN ESTE CONTEXTO, EL APRENDIZAJE FEDERADO TENDRA UN GRAN IMPACTO, YA QUE FAVORECERA UNA PENETRACION AUN MAS PROFUNDA DEL APRENDIZAJE AUTOMATICO EN TODO TIPO DE DISPOSITIVOS Y ROBOTS, Y EN UN ESPECTRO MAS AMPLIO DE APLICACIONES. EL APRENDIZAJE FEDERADO ES UNA ESTRATEGIA PARA ENTRENAR Y COMPARTIR MODELOS ENTRE MAQUINAS, PERO SIN INTERCAMBIO DE DATOS. EL PROCESO BASICO DE APRENDIZAJE FEDERADO CONSTA DE DOS PASOS PRINCIPALES: (1) ADAPTACION LOCAL DE MODELOS EN LOS DISPOSITIVOS O ROBOTS, Y (2) CONSENSO GLOBAL DE LOS MODELOS EN UN SERVIDOR CENTRAL. POR TANTO, HAY UN PROCESO CICLICO DE ADAPTACION LOCAL (EN LOS DISPOSITIVOS) Y CONSENSO GLOBAL (EN LA NUBE). LO QUE SE TRANSFIERE A LA NUBE SON MODELOS DE LOS QUE NO SE PUEDEN RECUPERAR DATOS. ESTO SATISFACE RESTRICCIONES DE PRIVACIDAD, REQUIERE MENOS ANCHO DE BANDA, PERO AUN CONSERVA LOS BENEFICIOS DE COMPARTIR CONOCIMIENTO. EL APRENDIZAJE FEDERADO OFRECE UNA POSIBILIDAD MUY NOVEDOSA QUE SE DENOMINA APRENDIZAJE FEDERADO PERSONALIZADO. EN RESUMEN, ESTO SIGNIFICA QUE LOS DISPOSITIVOS QUE ESTAN EN UNA FEDERACION Y COMPARTEN LOS MODELOS, APRENDERAN ALGO QUE ESTA A MEDIO CAMINO ENTRE EL MODELO GLOBAL ALCANZADO POR CONSENSO, Y LOS MODELOS QUE HABRIAN APRENDIDO LOCALMENTE SOLO A PARTIR DE LOS DATOS CAPTURADOS EN LOS PROPIOS DISPOSITIVOS. DOS DESAFIOS IMPORTANTES QUE ENFRENTAREMOS EN ESTE PROYECTO ESTAN RELACIONADOS CON LA CREACION DE ESTOS MODELOS FEDERADOS PERSONALIZADOS, EN PARTICULAR, DISEÑAREMOS ALGORITMOS PARA LOGRAR UN APRENDIZAJE FEDERADO PERSONALIZADO QUE (1) SEA ROBUSTO A LA HETEROGENEIDAD DE DATOS ENTRE LOS DIFERENTES DISPOSITIVOS (DATOS NO I.I.D. ), Y (2) ES CAPAZ DE LOGRAR UN APRENDIZAJE FEDERADO CONTINUO (ES DECIR, MANEJAR DATOS NO ESTACIONARIOS O DIFERENTES TAREAS).ESTAMOS COMPLETAMENTE SEGUROS DE QUE EL APRENDIZAJE FEDERADO SERA REVOLUCIONARIO. EN EL CASO DE LA ROBOTICA, CREEMOS QUE EL USO DEL APRENDIZAJE FEDERADO TIENE UN POTENCIAL ENORME. POR ELLO, ABORDAREMOS UN TERCER DESAFIO: COMO EXTENDER EL APRENDIZAJE POR REFUERZO PROFUNDO AL CONTEXTO DE UN ESCENARIO FEDERADO PERSONALIZADO. ESTE TERCER DESAFIO ES PARTICULARMENTE ADECUADO PARA LOS ROBOTS Y AUN NO SE HA EXPLORADO LO SUFICIENTE.PARA REALIZAR LA INVESTIGACION DESEADA, RESOLVEREMOS TRES TAREAS IMPORTANTES (DEMOSTRADORES TECNOLOGICOS): "APRENDIZAJE DE TAREAS INDUSTRIALES BASADAS EN EL CONTACTO A TRAVES DE LA MANIPULACION HABIL ROBOTICA", "APRENDIZAJE CONTINUO DE OBJETOS A PARTIR DE SECUENCIAS DE VIDEO EN LINEA CON BAJO ETIQUETADO " Y, FINALMENTE, "RECONOCIMIENTO DE ACTIVIDAD HUMANA EN TELEFONOS INTELIGENTES ".EL PRIMER DEMOSTRADOR NOS PERMITIRA COLABORAR CON LA ESCUELA DE INGENIERIA SIGMA-CLERMONT Y EL LABORATORIO DEL INSTITUT PASCAL (CLERMONT-FERRAND, FRANCIA), E INCLUSO COLABORAR EN DOS PROYECTOS EUROPEOS H2020: ACROBA (QUE COMENZARA EN ENERO DE 2021) Y SOFTMANBOT ( QUE COMENZO EN OCTUBRE DE 2019). EL SEGUNDO DEMOSTRADOR TECNOLOGICO HA LLAMADO LA ATENCION DE UNA EMPRESA TAN IMPORTANTE COMO TELEVES. Y FINALMENTE, EL TERCER DEMOSTRADOR ES IMPORTANTE PARA SITUM TECHNOLOGIES, IMPORTANTE SPIN-OFF DE LA UNIVERSIDADE DE SANTIAGO DE COMPOSTELA. NTELIGENCIA ARTIFICIAL\APRENDIZAJE CONTINUO\DISPOSITIVOS INTELIGENTES\ROBOTICA\APRENDIZAJE MAQUINA\APRENDIZAJE FEDERADO

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores