الأبحاث المرتبطة بالكلمة المفتاحية: الأجهزة غير المتجانسة
-
التحكم في حجم الدفعة الأمثل لتعلم فدرالي منخفض الكمون مع تباين الأجهزة Optimal Batch-Size Control for Low-Latency Federated Learning With Device Heterogeneity
2026 | المؤلف: Huiling Yang وآخرون | المجلة: IEEE Transactions on Communications | المجال: الذكاء الاصطناعي (Artificial Intelligence)تناقش هذه الفقرة أهمية التعلم الفيدرالي (FL) في الشبكات من الجيل السادس (6G)، مع التأكيد على ميزاته التي تحافظ على الخصوصية والتي تعتبر حاسمة لمجموعة متنوعة من تطبيقات إنترنت الأشياء (IoT) مثل القيادة الذاتية، والواقع المعزز، والرعاية الصحية. تنشأ التحديات الكامنة في تنفيذات FL ذات الكمون المنخفض من الحمل الحسابي ونقل التحديثات عالية الأبعاد للنماذج…
-
إطلاق قوة التعلم المستمر على الأجهزة غير المركزية: دراسة استقصائية Unleashing the Power of Continual Learning on Non-Centralized Devices: A Survey
2026 | المؤلف: Yichen Li وآخرون | المجلة: IEEE Communications Surveys & Tutorials | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقدم هذه القسم نظرة شاملة على التعلم المستمر غير المركزي (NCCL)، مع التأكيد على أهميته للأجهزة الموزعة التي تدير بيانات البث في بيئات غير مستقرة. يسلط الضوء على التحديات المرتبطة بـ NCCL، بما في ذلك تغيرات التوزيع، والنسيان الكارثي، والتباين، ومخاوف الخصوصية. تصنف الدراسة الحلول الحالية إلى ثلاثة مستويات – البيانات، والنموذج، والجهاز – موضحة…