Ailoxa Logo

🏷️ #تعلم فيدرالي

95 مقال

اكتشاف جديد في التعلم الفيدرالي: هجوم TATD وكيفية تجنب تسرب البيانات الخصوصية
أبحاث

اكتشاف جديد في التعلم الفيدرالي: هجوم TATD وكيفية تجنب تسرب البيانات الخصوصية

أركايف للذكاءمنذ 3 شهر
👁 2
نموذج التعلم الفيدرالي المدعوم بالذكاء الاصطناعي: ثورة في معالجة البيانات المتعددة الأبعاد!
أبحاث

نموذج التعلم الفيدرالي المدعوم بالذكاء الاصطناعي: ثورة في معالجة البيانات المتعددة الأبعاد!

أركايف للذكاءمنذ 3 شهر
👁 2
تعلم مفوض لا يحتاج للثقة: إطار تكنولوجيا مخصص ومتطور!
أبحاث

تعلم مفوض لا يحتاج للثقة: إطار تكنولوجيا مخصص ومتطور!

أركايف للذكاءمنذ 3 شهر
👁 3
ثورة الذكاء الاصطناعي: pFedNavi يعيد تعريف التنقل الذكي عبر أنظمة تعلم مت federated
أبحاث

ثورة الذكاء الاصطناعي: pFedNavi يعيد تعريف التنقل الذكي عبر أنظمة تعلم مت federated

أركايف للذكاءمنذ 3 شهر
👁 2
اكتشاف التوازن المثالي: العودة إلى الأساسيات في التعلم الفيدرالي لتحسين دقة التعرف على الأنشطة
أبحاث

اكتشاف التوازن المثالي: العودة إلى الأساسيات في التعلم الفيدرالي لتحسين دقة التعرف على الأنشطة

أركايف للذكاءمنذ 3 شهر
تعلم فيدرالي لامركزي: كيف تؤثر الشبكات الزمنية على نتائج تعلم الذكاء الاصطناعي؟
أبحاث

تعلم فيدرالي لامركزي: كيف تؤثر الشبكات الزمنية على نتائج تعلم الذكاء الاصطناعي؟

أركايف للذكاءمنذ 3 شهر
👁 2
استراتيجيات مبتكرة في تعلم الفيدرالية: تحسين تصنيف السحب النقطية
أبحاث

استراتيجيات مبتكرة في تعلم الفيدرالية: تحسين تصنيف السحب النقطية

أركايف للذكاءمنذ 3 شهر
👁 1
استخدام الذكاء الاصطناعي التوليدي والتعلم الفيدرالي في أنظمة كشف التسلل: مراجعة شاملة
أبحاث

استخدام الذكاء الاصطناعي التوليدي والتعلم الفيدرالي في أنظمة كشف التسلل: مراجعة شاملة

أركايف للذكاءمنذ 3 شهر
👁 1
ثورة جديدة في التعلم الفيدرالي: خوارزمية WFAgg لمواجهة هجمات بيزنطية!
أبحاث

ثورة جديدة في التعلم الفيدرالي: خوارزمية WFAgg لمواجهة هجمات بيزنطية!

أركايف للذكاءمنذ 3 شهر
👁 1
تعلم مستمر موزع: تقنيات جديدة لمواجهة التحديات الزمنية والمكانية في الذكاء الاصطناعي
أبحاث

تعلم مستمر موزع: تقنيات جديدة لمواجهة التحديات الزمنية والمكانية في الذكاء الاصطناعي

أركايف للذكاءمنذ 4 شهر
👁 3
ثورة التوصيات: كيف تغير المعرفة المستندة إلى نماذج اللغات الضخمة (LLMs) قواعد اللعبة في أنظمة التوصية المعتمدة على الرسوم البيانية
أبحاث

ثورة التوصيات: كيف تغير المعرفة المستندة إلى نماذج اللغات الضخمة (LLMs) قواعد اللعبة في أنظمة التوصية المعتمدة على الرسوم البيانية

أركايف للذكاءمنذ 4 شهر
👁 6
ثورة جديدة في التعلم الفيدرالي: كيف يُحسن PRO إعادة عرض المعرفة القديمة بشكل مبتكر؟
أبحاث

ثورة جديدة في التعلم الفيدرالي: كيف يُحسن PRO إعادة عرض المعرفة القديمة بشكل مبتكر؟

أركايف للذكاءمنذ 4 شهر
👁 2
إعادة تعريف الاستدلال السببي: كيف يمكن للذكاء الاصطناعي أن يغير قواعد اللعبة في تحليل البيانات اللامركزية!
أبحاث

إعادة تعريف الاستدلال السببي: كيف يمكن للذكاء الاصطناعي أن يغير قواعد اللعبة في تحليل البيانات اللامركزية!

أركايف للذكاءمنذ 4 شهر
👁 1
تحقيق التعلم الفيدرالي الأخضر: منهجيات موحدة لتقليل البصمة الكربونية!
أبحاث

تحقيق التعلم الفيدرالي الأخضر: منهجيات موحدة لتقليل البصمة الكربونية!

أركايف للذكاءمنذ 4 شهر
👁 2
من تباين البيانات إلى التقارب: مراجعة شاملة للتعلم الفيدرالي!
أبحاث

من تباين البيانات إلى التقارب: مراجعة شاملة للتعلم الفيدرالي!

أركايف للذكاءمنذ 4 شهر
ثورة التعلم الفيدرالي: QSplitFL لاختيار النقاط الأفضل للتقسيم باستخدام الذكاء الاصطناعي!
أبحاث

ثورة التعلم الفيدرالي: QSplitFL لاختيار النقاط الأفضل للتقسيم باستخدام الذكاء الاصطناعي!

أركايف للذكاءمنذ 4 شهر
HASA: الابتكار في تخصيص الشبكات الفرعية لتعلم الفيدرالي في بيئات محدودة الموارد
أبحاث

HASA: الابتكار في تخصيص الشبكات الفرعية لتعلم الفيدرالي في بيئات محدودة الموارد

أركايف للذكاءمنذ 4 شهر
هجوم سموم النموذج: كيف يمكن للثغرات العتادية تقويض التعلم الفيدرالي؟
أبحاث

هجوم سموم النموذج: كيف يمكن للثغرات العتادية تقويض التعلم الفيدرالي؟

أركايف للذكاءمنذ 4 شهر
👁 1
ثورة في التعلم الفيدرالي: كيف يعمل EvoCSFL على تحسين اختيار العملاء بكفاءة وموثوقية؟
أبحاث

ثورة في التعلم الفيدرالي: كيف يعمل EvoCSFL على تحسين اختيار العملاء بكفاءة وموثوقية؟

أركايف للذكاءمنذ 4 شهر
👁 1
اكتشاف Synapse: طريقة رائدة في توجيه الأدوات الفيدرالية باستخدام الحقائق الموصوفة!
أبحاث

اكتشاف Synapse: طريقة رائدة في توجيه الأدوات الفيدرالية باستخدام الحقائق الموصوفة!

أركايف للذكاءمنذ 4 شهر
👁 1