اکسپرس 24
ترجمه فارسی مقاله استنتاج لبه‌ای مشارکتی خصوصی از طریق محاسبات بی‌سیم

ترجمه فارسی مقاله استنتاج لبه‌ای مشارکتی خصوصی از طریق محاسبات بی‌سیم

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Private Collaborative Edge Inference via Over-the-Air Computation
عنوان مقاله به فارسی استنتاج لبه‌ای مشارکتی خصوصی از طریق محاسبات بی‌سیم
نویسندگان Selim F. Yilmaz, Burak Hasircioglu, Li Qiao, Deniz Gunduz
فرمت مقاله انگلیسی PDF
تعداد صفحات 15
دسته بندی موضوعات Machine Learning,Artificial Intelligence,Cryptography and Security,Information Theory,یادگیری ماشین , هوش مصنوعی , رمزنگاری و امنیت , نظریه اطلاعات ,
توضیحات Submitted 30 July, 2024; originally announced July 2024. , Comments: 15 pages, 8 figures. This work extends from our preliminary study presented at the 2022 IEEE International Symposium on Information Theory [1]. arXiv admin note: text overlap with arXiv:2202.03129
توضیحات به فارسی ارسال شده 30 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد ، نظرات: 15 صفحه ، 8 شکل.این کار از مطالعه اولیه ما ارائه شده در سمپوزیوم بین المللی IEEE در مورد تئوری اطلاعات [1] گسترش یافته است.Arxiv Admin توجه: همپوشانی متن با ARXIV: 2202.03129

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 600,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

We consider collaborative inference at the wireless edge, where each client's model is trained independently on their local datasets. Clients are queried in parallel to make an accurate decision collaboratively. In addition to maximizing the inference accuracy, we also want to ensure the privacy of local models. To this end, we leverage the superposition property of the multiple access channel to implement bandwidth-efficient multi-user inference methods. Specifically, we propose different methods for ensemble and multi-view classification that exploit over-the-air computation. We show that these schemes perform better than their orthogonal counterparts with statistically significant differences while using fewer resources and providing privacy guarantees. We also provide experimental results verifying the benefits of the proposed over-the-air multi-user inference approach and perform an ablation study to demonstrate the effectiveness of our design choices. We share the source code of the framework publicly on Github to facilitate further research and reproducibility.

چکیده به فارسی (ترجمه ماشینی)

ما استنتاج مشترک را در لبه بی سیم ، جایی که مدل هر مشتری به طور مستقل در مجموعه داده های محلی آنها آموزش دیده است ، در نظر می گیریم.مشتری ها به طور موازی برای تصمیم گیری دقیق در تصمیم گیری دقیق پرس و جو می شوند.علاوه بر حداکثر رساندن دقت استنتاج ، ما همچنین می خواهیم از حریم خصوصی مدل های محلی اطمینان حاصل کنیم.برای این منظور ، ما از ویژگی های فوق العاده کانال دسترسی چندگانه برای پیاده سازی روشهای استنتاج چند کاربر کارآمد پهنای باند استفاده می کنیم.به طور خاص ، ما روشهای مختلفی را برای طبقه بندی گروه و چند منظره ارائه می دهیم که از محاسبات خارج از هوا بهره برداری می کنند.ما نشان می دهیم که این طرح ها بهتر از همتایان متعامد خود با تفاوت های آماری معنی دار در حالی که از منابع کمتری استفاده می کنند و ضمانت های حریم خصوصی را ارائه می دهند ، عملکرد بهتری دارند.ما همچنین نتایج تجربی را ارائه می دهیم که مزایای رویکرد استنتاج چند کاربر بیش از حد پیشنهادی را تأیید می کند و یک مطالعه فرسایش را برای نشان دادن اثربخشی گزینه های طراحی ما انجام می دهد.ما کد منبع چارچوب را به صورت عمومی در GitHub به اشتراک می گذاریم تا تحقیقات و تکرارپذیری بیشتری را تسهیل کنیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.