Resumo de Grandes Volumes de Dados com Filtro de Bloom: Uma Abordagem Eficiente para Aprendizado Profundo com Redes Neurais Convolucionais em Fluxos de Rede

Este artigo propõe a aplicação de ltros de Bloom para a geração de resumos de dados bidimensionais a partir de uxos em uma janela de uso da rede formando um mapa de bits. Após a geração dos resumos, o artigo aplica o aprendizado profundo, composto por camadas de rede neural convolucional, para a segmentação do mapa de bits. A segmentação do mapa de bits é uma tarefa da visão computacional que é ecientemente provida por redes neurais convolucionais. As principais contribuições do artigo são (i) a proposta de uma técnica de resumo bidimensional de dados em uma janela de uxos através de ltros de Bloom; (ii) a aplicação do aprendizado profundo com redes neurais convolucionais em uxos de redes e (iii) a execução otimizada da proposta em unidades de processamento gráco (GPU). A proposta é avaliada sobre um conjunto de dados real de um provedor de acesso de banda larga e os resultados demonstram a eciência dos ltros usados e a precisão superior a 0,90 do aprendizado profundo com treinamento incremental.