Il presente lavoro di tesi tratta dell'applicazione dell'apprendimento distribuito a sistemi di identificazione vocale. L'obiettivo è mitigare sia gli svantaggi dell'architettura locale (ridotta disponibilità di dati) sia quelli dell'architettura cloud (rischi per la privacy). La soluzione proposta si basa su un modello di apprendimento distribuito in cui i dati vocali degli utenti non lasciano la rete degli stessi, ma contribuiscono ugualmente all'addestramento del modello di machine learning condiviso tra tutti gli utenti. L'architettura proposta viene confrontata con la letteratura esistente e ne vengono prospettati possibili sviluppi futuri.
MODELLAZIONE DI UN'ARCHITETTURA DI APPRENDIMENTO DISTRIBUITO E APPLICAZIONE A SISTEMI DI IDENTIFICAZIONE VOCALE
TRAVERSA, EMANUELE
2022/2023
Abstract
Il presente lavoro di tesi tratta dell'applicazione dell'apprendimento distribuito a sistemi di identificazione vocale. L'obiettivo è mitigare sia gli svantaggi dell'architettura locale (ridotta disponibilità di dati) sia quelli dell'architettura cloud (rischi per la privacy). La soluzione proposta si basa su un modello di apprendimento distribuito in cui i dati vocali degli utenti non lasciano la rete degli stessi, ma contribuiscono ugualmente all'addestramento del modello di machine learning condiviso tra tutti gli utenti. L'architettura proposta viene confrontata con la letteratura esistente e ne vengono prospettati possibili sviluppi futuri.| File | Dimensione | Formato | |
|---|---|---|---|
|
stp_1205_esse3.pdf
File consultabile da postazioni biblioteca
Dimensione
1.38 MB
Formato
Adobe PDF
|
1.38 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14253/80958