Deep Q-Network para a Alocação dos Recursos de Comunicação do Aprendizado Federado em Redes IoT sem Fio

O Aprendizado Federado (Federated Learning - FL) é um paradigma de aprendizado de máquina colaborativo que permite o treinamento de um modelo global sem a exposição dos dados brutos dos dispositivos. Este trabalho investiga o problema da alocação dos recursos de comunicação para tarefas de FL em redes IoT sem fio considerando restrições dos recursos de comunicação e a ocorrência de falhas no processo de treinamento. O algoritmo FL-w$_{DQN} é proposto utilizando Deep Q-Network (DQN) como técnica de otimização, mostrando-se viável ao alcançar um desempenho equiparável às suas respectivas versões baseadas em Programação Linear.