التعلم الفيدرالي (FL) هو نهج مبتكر للتعلم الآلي الموزع الذي يعطي الأولوية لخصوصية البيانات من خلال تمكين تدريب النماذج محليًا دون الحاجة إلى مشاركة البيانات الخام. ومع ذلك، يواجه FL تحديات كبيرة، بما في ذلك الثغرات في الهندسة العكسية، ومخاطر خصوصية بنية النموذج، وهجمات تسميم النموذج، والتهديدات لسلامة البيانات، وتكاليف الاتصال العالية. تقدم هذه الورقة…

في هذه الورقة البحثية، يقدم المؤلفون نهجًا هجينًا يعزز القوة التنبؤية لأشجار تعزيز التدرج (GBT) من خلال دمج تقنيات التجميع K-means و Bisecting K-means. تُستخدم GBT، المعروفة بفعاليتها في التعلم الجماعي، بالتزامن مع التجميع لمعالجة قيود نموذج GBT واحد، الذي قد لا يلتقط بشكل كافٍ الخصائص المتنوعة لمجموعات البيانات المعقدة. يتم تقييم الطريقة المقترحة على…

في هذا البحث، يقدم المؤلفون تقنية جديدة لاختيار الميزات باستخدام SHapley Additive exPlanations (SHAP) التي يمكن تطبيقها عبر سيناريوهات مختلفة لتوافر التسميات في تحليل البيانات. من خلال استخدام مجموعة بيانات كشف الاحتيال ببطاقات الائتمان من كاجل، يحاكون ثلاثة سيناريوهات: عدم وجود بيانات معنونة، وتوافر فئة واحدة، وتوافر كلا الفئتين. تُظهر الدراسة أن SHAP يمكنه تصنيف…