شماره ركورد
15348
عنوان
بررسي و طبقهبندي چالشهاي اجراي الگوريتمهاي يادگيري فدرال بر روي زيرساختهاي محاسباتي توزيعشده
سال تحصيل
1403
استاد راهنما
دكتر مهرداد آشتياني
چکيده
يادگيري فدرال بهعنوان پارادايمي كليدي و رو به رشد در حوزه يادگيري ماشين توزيعشده، توجه چشمگيري را به خود جلب كرده است. اين رهيافت امكان آموزش همكارانه مدلهاي هوش مصنوعي را بر روي دادههاي پراكنده و محلي، بدون نياز به اشتراكگذاري دادههاي خام فراهم ميآورد. اين ويژگي، يادگيري فدرال را به پاسخي ضروري براي نياز روزافزون حفظ حريم خصوصي دادهها، بهويژه در كاربردهاي حساس مانند تحليل دادههاي پزشكي يا مالي تبديل كرده است. با اين حال، استقرار عملي يادگيري فدرال با چالشهاي متعددي روبرو است كه پيادهسازي گسترده آن را با موانع جدي مواجه ميسازد. مهمترين اين موانع، ناهمگوني آماري يا توزيع غيرهمسان و غيرمستقل دادهها ميان مشاركتكنندگان است. اين ناهمگوني ذاتي ميتواند منجر به كاهش شديد دقت مدل سراسري نهايي، كندي قابل توجه در فرآيند همگرايي و ايجاد سوگيريهاي ناخواسته در عملكرد مدل براي گروههاي خاصي از كاربران شود. افزون بر اين، ناهمگوني سيستمي ناشي از تفاوت در توان محاسباتي، حافظه و پهناي باند دستگاههاي مشاركتكننده، محدوديتهاي جدي كارايي ارتباطي به دليل حجم بالاي پارامترهاي مدلهاي نوين و همچنين تهديدات بالقوه امنيتي و مخاطرات حفظ حريم خصوصي، از ديگر چالشهاي اساسي در اين حوزه محسوب ميشوند. در اين سمينار، قصد داريم جهت غلبه بر اين چالشها، ابتدا به بررسي دقيق مفاهيم پايه، اجزا و انواع مختلف معماريهاي يادگيري فدرال بپردازيم. سپس، چالشهاي كليدي پيشگفته، از جمله انواع ناهمگوني و تاثيرات مخرب آن بر فرآيند يادگيري، مسائل مربوط به سربار ارتباطي، مخاطرات امنيتي و مفاهيم پيچيده سوگيري و انصاف را به تفصيل شرح خواهيم داد. در ادامه مسير، راهكارهاي متنوع ارائه شده در مقالات علمي براي مقابله با اين محدوديتها، بهويژه در حوزه نوظهور يادگيري فدرال شخصيسازي شده كه هدف آن ايجاد توازني بهينه ميان تعميمپذيري دانش جمعي و انطباق مدل با ويژگيهاي خاص هر كاربر محلي است، مورد بررسي، تحليل و طبقهبندي دقيق قرار خواهند گرفت. در نهايت، با جمعبندي جامع مباحث و تحليل انتقادي كارهاي مرتبط پيشين، مسائل باز تحقيقاتي و كارهاي قابل انجام در آينده در اين حوزه تحقيقاتي پويا و مهم معرفي خواهند شد. هدف نهايي اين سمينار ارائه دركي عميق و ساختاريافته از چالشها، محدوديتها و راهكارهاي موجود در استقرار الگوريتمهاي يادگيري فدرال بر روي زيرساختهاي محاسباتي توزيعشده امروزي است.
نام دانشجو
پويا رحمانيان
تاريخ ارائه
11/5/2025 12:00:00 AM
متن كامل
88351
پديد آورنده
پويا رحمانيان
تاريخ ورود اطلاعات
1404/08/22
عنوان به انگليسي
Review and Classification of Challenges in Implementing Federated Learning Algorithms on Distributed Computing Infrastructures
كليدواژه هاي فارسي
يادگيري فدرال , يادگيري فدرال شخصيسازي شده , ناهمگوني داده , شخصيسازي مدل
كليدواژه هاي لاتين
Federated Learning , Personalized Federated Learning , Data Heterogeneity , Model Personalization