Institutional Repository
Technical University of Crete
EN  |  EL



My Space

Distributed multivariate regression via functional geometric monitoring

Seisaki Eftychia

Simple record

Extent54 pagesen
Extent2.9 megabytesen
TitleDistributed multivariate regression via functional geometric monitoringen
TitleΚατανεμημένη Πολυπαραγοντική Παλινδρόμιση μέσω της Γεωμετρικής Παρακολούθησηςel
CreatorSeisaki Eftychiaen
CreatorΣεισακη Ευτυχιαel
Contributor [Thesis Supervisor]Samoladas Vasilisen
Contributor [Thesis Supervisor]Σαμολαδας Βασιληςel
Contributor [Committee Member]Deligiannakis Antoniosen
Contributor [Committee Member]Δεληγιαννακης Αντωνιοςel
Contributor [Committee Member]Lagoudakis Michailen
Contributor [Committee Member]Λαγουδακης Μιχαηλel
PublisherΠολυτεχνείο Κρήτηςel
PublisherTechnical University of Creteen
Academic UnitTechnical University of Crete::School of Electrical and Computer Engineeringen
Academic UnitΠολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστώνel
Content Summary Multivariate linear regression is an important and massively used technique for modeling and predicting data behavior in many fields. In scenarios where the data evolves over time, it is essential to monitor the model in order to identify possible changes. This becomes more challenging, when the data is distributed at a number of different nodes and the regression model must be recomputed to avoid inaccuracy. In such dynamic settings, data centralization and periodic model recomputation can be wasteful. Therefore, the goal is to develop a technique which conserves a precise approximation of the model over the union of all nodes’ data in a communicationefficient fashion. We propose a monitoring algorithm for multivariate regression models of distributed data streams, based on the basic notions of Functional Geometric Monitoring (FGM), which guarantees a bounded model error and demands communication only when the estimated model has fairly departed from the current global. Our experimental results clearly demonstrate a reduction in communication cost while maintaining the desired model accuracy, compared to similar existing models.en
Content SummaryΗ Πολυπαραγοντική Γραμμική Παλινδρόμηση είναι μια σημαντική και καθολικά χρησιμοποιούμενη τεχνική που διαμορφώνει και προβλέπει τη συμπεριφορά δεδομένων σε πολλά πεδία. Σε σενάρια όπου τα δεδομένα εξελίσσονται με την πάροδο του χρόνου, είναι απαραίτητο να παρακολουθείται το μοντέλο, προκειμένου να εντοπιστούν πιθανές αλλαγές. Αυτή η κατάσταση γίνεται ακόμα πιο απαιτητική, όταν τα δεδομένα κατανέμονται σε ένα πλήθος από κόμβους και το μοντέλο παλινδρόμησης πρέπει να υπολογιστεί εκ νέου για να αποφευχθεί η ανακρίβεια. Η κεντρικοποίηση δυναμικών δεδομένων καθώς και ο περιοδικός επανυπολογισμός του μοντέλου μπορεί να αποδειχθεί ασύμφορος. Ως εκ τούτου, είναι σημαντική η ανάπτυξη μιας τεχνικής που διατηρεί μια εκτίμηση του μοντέλου με σχετική ακρίβεια πάνω από την ένωση των δεδομένων όλων των κόμβων σε ένα δίκτυο. Προτείνουμε έναν αλγόριθμο παρακολούθησης για μοντέλα πολυπαραγοντικής παλινδρόμησης κατανεμημένων ροών δεδομένων, που βασίζεται στο πρωτόκολλο της Γεωμετρικής Παρακολούθησης, η οποία εγγυάται ένα περιορισμένο σφάλμα μοντέλου και απαιτεί επικοινωνία μόνο όταν το προϋπολογισμένο μοντέλο απέχει αρκετά από το τρέχον. Στόχος μας είναι να συγκρίνουμε εμπειρικά την προτεινόμενη μέθοδο με άλλα υπάρχοντα μοντέλα, προκειμένου να εξετάσουμε αν μπορεί να επιτύχει λιγότερη επικοινωνία, διατηρώντας παράλληλα την επιθυμητή ακρίβεια μοντέλου.el
Type of ItemΔιπλωματική Εργασίαel
Type of ItemDiploma Worken
Date of Item2021-12-22-
Date of Publication2021-
SubjectFunctional geometric monitoringen
SubjectDistributed regressionen
SubjectMachine learningen
Bibliographic CitationEftychia Seisaki, "Distributed multivariate regression via functional geometric monitoring", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2021en
Bibliographic CitationΕυτυχία Σεισάκη, "Κατανεμημένη Πολυπαραγοντική Παλινδρόμιση μέσω της Γεωμετρικής Παρακολούθησης", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2021el

Available Files