اکسپرس 24
ترجمه فارسی مقاله سیستم پیش‌بینی تقاضای تاکسی با حفظ حریم خصوصی و استفاده از داده‌های توزیع‌شده

ترجمه فارسی مقاله سیستم پیش‌بینی تقاضای تاکسی با حفظ حریم خصوصی و استفاده از داده‌های توزیع‌شده

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 Privacy-Preserved Taxi Demand Prediction System Utilizing Distributed Data
عنوان مقاله به فارسی سیستم پیش‌بینی تقاضای تاکسی با حفظ حریم خصوصی و استفاده از داده‌های توزیع‌شده
نویسندگان Ren Ozeki, Haruki Yonekura, Hamada Rizk, Hirozumi Yamaguchi
فرمت مقاله انگلیسی PDF
تعداد صفحات 12
دسته بندی موضوعات Machine Learning,Computers and Society,یادگیری ماشین , رایانه و جامعه ,
توضیحات Submitted 9 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 9 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 480,000 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

Accurate taxi-demand prediction is essential for optimizing taxi operations and enhancing urban transportation services. However, using customers' data in these systems raises significant privacy and security concerns. Traditional federated learning addresses some privacy issues by enabling model training without direct data exchange but often struggles with accuracy due to varying data distributions across different regions or service providers. In this paper, we propose CC-Net: a novel approach using collaborative learning enhanced with contrastive learning for taxi-demand prediction. Our method ensures high performance by enabling multiple parties to collaboratively train a demand-prediction model through hierarchical federated learning. In this approach, similar parties are clustered together, and federated learning is applied within each cluster. The similarity is defined without data exchange, ensuring privacy and security. We evaluated our approach using real-world data from five taxi service providers in Japan over fourteen months. The results demonstrate that CC-Net maintains the privacy of customers' data while improving prediction accuracy by at least 2.2% compared to existing techniques.

چکیده به فارسی (ترجمه ماشینی)

پیش بینی دقیق تقاضا تاکسی برای بهینه سازی عملیات تاکسی و تقویت خدمات حمل و نقل شهری ضروری است.با این حال ، استفاده از داده های مشتریان در این سیستم ها نگرانی های حریم خصوصی و امنیتی قابل توجهی را ایجاد می کند.یادگیری فدرال سنتی با فعال کردن آموزش مدل بدون تبادل مستقیم داده ها ، به برخی از مسائل مربوط به حریم خصوصی می پردازد اما به دلیل متفاوت بودن توزیع داده ها در مناطق مختلف یا ارائه دهندگان خدمات ، اغلب با دقت می جنگد.در این مقاله ، ما CC-NET را پیشنهاد می کنیم: یک رویکرد جدید با استفاده از یادگیری مشترک که با یادگیری متضاد برای پیش بینی تاکسی تقاضا شده است.روش ما با فعال کردن چندین طرف برای آموزش مشترک یک مدل پیش بینی تقاضا از طریق یادگیری فدراسیون سلسله مراتبی ، عملکرد بالا را تضمین می کند.در این رویکرد ، احزاب مشابه با هم خوشه بندی می شوند و یادگیری فدرال در هر خوشه اعمال می شود.شباهت بدون تبادل داده تعریف می شود و از حریم خصوصی و امنیت اطمینان می یابد.ما رویکرد خود را با استفاده از داده های دنیای واقعی از پنج ارائه دهنده خدمات تاکسی در ژاپن طی چهارده ماه ارزیابی کردیم.نتایج نشان می دهد که CC-NET ضمن بهبود دقت پیش بینی حداقل 2.2 ٪ در مقایسه با تکنیک های موجود ، حریم خصوصی داده های مشتریان را حفظ می کند.

📚 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.