Investigación
Aprendizaje federado por clusters para entornos IoT, dentro de una beca de colaboración en investigación.
- Periodo
- 2025-2026
- Universitat Jaume I
- GEOTEC
- Línea de trabajo
- Aprendizaje federado, IoT
El punto de partida
El aprendizaje federado entrena un modelo entre muchos dispositivos sin que los datos salgan de ellos. Cada nodo entrena en local y solo envía los parámetros. Es la forma razonable de aprender de datos que no se pueden mover, por privacidad o por volumen.
El problema aparece cuando los nodos son heterogéneos, que es exactamente el caso del IoT. Sensores distintos, entornos distintos, distribuciones de datos distintas. Un único modelo global promedia todas esas diferencias y termina siendo mediocre para cada nodo por separado.
Lo que investigué
Un sistema que agrupa los nodos en clusters según su comportamiento y entrena un modelo por cluster en lugar de uno para todos. Cada dispositivo recibe un modelo que se parece a los datos que realmente ve.
La evaluación se hizo bajo condiciones típicas de IoT: conectividad intermitente, nodos que aparecen y desaparecen a mitad de ronda y capacidad de cómputo limitada en el borde.
- 2 Artículos de congreso En proceso de publicación
- 1 Artículo científico En proceso de publicación