ترجمه فارسی مقاله یک فرایادگیری فدرال قابل اعتماد مبتنی بر بلاکچین برای متاورس: یک چارچوب بازی دوگانه
| عنوان مقاله به انگلیسی | A Blockchain-based Reliable Federated Meta-learning for Metaverse: A Dual Game Framework |
| عنوان مقاله به فارسی | یک فرایادگیری فدرال قابل اعتماد مبتنی بر بلاکچین برای متاورس: یک چارچوب بازی دوگانه |
| نویسندگان | Emna Baccour, Aiman Erbad, Amr Mohamed, Mounir Hamdi, Mohsen Guizani |
| فرمت مقاله انگلیسی | |
| تعداد صفحات | 19 |
| دسته بندی موضوعات | Distributed, Parallel, and Cluster Computing,Artificial Intelligence,Computer Science and Game Theory,Machine Learning,محاسبات توزیع شده , موازی و خوشه ای , هوش مصنوعی , علوم کامپیوتر و نظریه بازی , یادگیری ماشین |
| توضیحات | Submitted 7 August, 2024; originally announced August 2024. , Comments: Accepted in IEEE Internet of Things Journal , Journal ref: in IEEE Internet of Things Journal, vol. 11, no. 12, pp. 22697-22715, 15 June15, 2024 |
| توضیحات به فارسی | ارسال شده در 7 اوت 2024 ؛در ابتدا در اوت 2024 اعلام شد. ، نظرات: در مجله IEEE اینترنت اشیاء ، مجله Ref: در IEEE مجله اینترنت اشیاء ، جلد.11 ، نه.12 ، صص 22697-22715 ، 15 ژوئن 15 ، 2024 |
قیمت: 19,000 تومان
سفارش
با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش میدهید.
قیمت: 760,000 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.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
The metaverse, envisioned as the next digital frontier for avatar-based virtual interaction, involves high-performance models. In this dynamic environment, users' tasks frequently shift, requiring fast model personalization despite limited data. This evolution consumes extensive resources and requires vast data volumes. To address this, meta-learning emerges as an invaluable tool for metaverse users, with federated meta-learning (FML), offering even more tailored solutions owing to its adaptive capabilities. However, the metaverse is characterized by users heterogeneity with diverse data structures, varied tasks, and uneven sample sizes, potentially undermining global training outcomes due to statistical difference. Given this, an urgent need arises for smart coalition formation that accounts for these disparities. This paper introduces a dual game-theoretic framework for metaverse services involving meta-learners as workers to manage FML. A blockchain-based cooperative coalition formation game is crafted, grounded on a reputation metric, user similarity, and incentives. We also introduce a novel reputation system based on users' historical contributions and potential contributions to present tasks, leveraging correlations between past and new tasks. Finally, a Stackelberg game-based incentive mechanism is presented to attract reliable workers to participate in meta-learning, minimizing users' energy costs, increasing payoffs, boosting FML efficacy, and improving metaverse utility. Results show that our dual game framework outperforms best-effort, random, and non-uniform clustering schemes - improving training performance by up to 10%, cutting completion times by as much as 30%, enhancing metaverse utility by more than 25%, and offering up to 5% boost in training efficiency over non-blockchain systems, effectively countering misbehaving users.
چکیده به فارسی (ترجمه ماشینی)
متاور ، که به عنوان مرز دیجیتال بعدی برای تعامل مجازی مبتنی بر آواتار پیش بینی شده است ، شامل مدل های با کارایی بالا است.در این محیط پویا ، وظایف کاربران غالباً تغییر می کند و با وجود داده های محدود نیاز به شخصی سازی سریع مدل دارد.این تکامل منابع گسترده ای را مصرف می کند و به حجم داده های گسترده ای نیاز دارد.برای پرداختن به این امر ، یادگیری متا به عنوان ابزاری ارزشمند برای کاربران متاور ، با یادگیری متا (FML) فدرال ، ارائه می شود و راه حل های متناسب تری را به دلیل قابلیت های تطبیقی آن ارائه می دهد.با این حال ، متاور توسط ناهمگونی کاربران با ساختار داده های متنوع ، کارهای متنوع و اندازه نمونه ناهموار مشخص می شود ، و به طور بالقوه نتایج آموزش جهانی را به دلیل تفاوت آماری تضعیف می کند.با توجه به این ، یک نیاز فوری برای تشکیل ائتلاف هوشمند ایجاد می شود که این نابرابری ها را به خود اختصاص می دهد.در این مقاله یک چارچوب دوتایی نظری بازی برای خدمات متاور که شامل متا گیرنده ها به عنوان کارگران برای مدیریت FML است ، معرفی شده است.یک بازی سازنده ائتلاف تعاونی مبتنی بر blockchain ساخته شده است ، که بر اساس یک متریک اعتبار ، شباهت کاربر و مشوق ها پایه گذاری شده است.ما همچنین یک سیستم شهرت جدید را بر اساس مشارکتهای تاریخی کاربران و مشارکتهای بالقوه در انجام وظایف موجود معرفی می کنیم ، و همبستگی بین کارهای گذشته و جدید را اعمال می کنیم.سرانجام ، یک مکانیزم تشویقی مبتنی بر بازی Stackelberg برای جذب کارگران معتبر برای شرکت در یادگیری متا ، به حداقل رساندن هزینه های انرژی کاربران ، افزایش بازپرداخت ، تقویت اثربخشی FML و بهبود ابزار متاور ارائه شده است.نتایج نشان می دهد که چارچوب بازی دوگانه ما از طرح های خوشه بندی بهترین تلاش ، تصادفی و غیر یکنواخت بهتر است-بهبود عملکرد آموزش تا 10 ٪ ، کاهش زمان اتمام تا 30 ٪ ، باعث افزایش بیش از 25 ٪ کاربردی متاور می شود ، وبا افزایش 5 درصدی در آموزش کارآیی نسبت به سیستم های غیر بلوک ، به طور مؤثر مقابله با کاربران نادرست.📚 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.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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.