همگامتک بنیاد تحقیقاتی هوش مصنوعی و اینترنت اشیا

بسمه تعالي

گزارش و تحليل مقاله

Personalized Federated Learning for Intelligent IoT Applications: A Cloud-Edge
Based Framework

در این مقاله، از یک چارچوب یادگیری متحد شخصی در یک معماری لبه ابر برای برنامه‌های IoT هوشمند دفاع شده است.​ ​​​​​​برای مقابله با مسائل ناهمگونی در محیط‌های IoT  روش‌های یادگیری شخصی سازی شده در حال ظهور  بررسی شده که قادر به کاهش اثرات منفی ناشی از ناهمگونی در جنبه‌های مختلف هستند. ​تحت افزایش قوانین سخت گیرانه حفاظت از حریم خصوصی داده‌ها مانند مقررات عمومی حفاظت از داده حرکت داده‌ها با مشکلات بی‌سابقه‌ای مواجه خواهد شد. ​یک جایگزین، آموزش و به روز رسانی مدل در هر دستگاه IoT با داده‌های محلی آن، جدا از سایر دستگاه‌ها است. ​با این حال، یک مانع کلیدی این رویکرد در تقاضای بالای منابع برای استقرار و آموزش مدل‌ها در دستگاه‌های IoT دستگاه‌های IoT با منابع محاسباتی، انرژی و حافظه محدود نهفته‌است. ​علاوه بر این، نمونه‌های ناکافی داده و انتقال داده‌های محلی منجر به یک مدل بدتر خواهد شد. ​یک راه‌حل پیچیده برای مقابله با آموزش داده توزیع‌شده یادگیری متحد است که قادر به آموزش مشارکتی یک مدل مشترک با کیفیت بالا با جمع‌آوری و میانگین گیری به روز رسانی های محاسبه‌شده محلی آپلود شده توسط دستگاه‌های IoT است.

جمع بندي و پيشنها براي کارهاي آتي

با جمع‌آوری به روز رسانی های محلی از دستگاه‌های IoT توزیع‌شده و استفاده از مزایای محاسبات لبه، امکان یادگیری یک مدل مشترک جهانی را فراهم می‌کند. برای مقابله با ناهمگونی دستگاه، آماری، و مدل در محیط‌های IoT، PerFit به طور طبیعی می‌تواند انواع روش‌های یادگیری متحد شخصی شده را ادغام کند و در نتیجه به شخصی سازی و افزایش عملکرد برای دستگاه‌ها در برنامه‌های کاربردی IoT دست یابد. ما اثربخشی PerFit را از طریق مطالعه موردی وظیفه شناسایی فعالیت انسان نشان می‌دهیم، که تایید می‌کند PerFit می‌تواند یک رویکرد امیدوار کننده برای توانمندسازی بسیاری از برنامه‌های کاربردی IoT هوشمند باشد. ​

مراجع

[1] L. Atzori, A. Iera, and G. Morabito, “The internet of things: A survey,”Comput. Netw., vol. 54, no. 15, pp. 2787–2805, 2010.
[2] Z. Zhou, Xu Chen, En Li, L. Zeng, Ke Luo, and J. Zhang, “Edge intelligence: Paving the last mile of artificial intelligence with edge computing,” Proc. IEEE, vol. 107, no. 8, pp. 1738–1762, Aug. 2019.
[3] P. Voigt and A. Von dem Bussche, “The eu general data protection regulation (gdpr),” A Practical Guide, 1st Ed., Berlin, Germany: Springer International Publishing, 2017.

براي مشاهده ويدئو روي تصوير زير کليک نماييد

فايل تحليل پروژه

فايل ارائه پروژه