ترجمه فارسی مقاله افزایش دسترسی عادلانه به هوش مصنوعی در سیستم مراقبت مسکن و بی خانمانی از طریق آموزش فدرال

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Enhancing Equitable Access to AI in Housing and Homelessness System of Care through Federated Learning
عنوان مقاله به فارسی افزایش دسترسی عادلانه به هوش مصنوعی در سیستم مراقبت مسکن و بی خانمانی از طریق آموزش فدرال
نویسندگان Musa Taib, Jiajun Wu, Steve Drew, Geoffrey G. Messier
فرمت مقاله انگلیسی PDF
تعداد صفحات 10
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Artificial Intelligence,Computers and Society,یادگیری ماشین , هوش مصنوعی , رایانه و جامعه ,
توضیحات Submitted 14 August, 2024; originally announced August 2024. , Comments: Accepted at the 2024 AAAI/ACM Conference on AI, Ethics, and Society (AIES)
توضیحات به فارسی ارسال شده در 14 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: پذیرفته شده در کنفرانس AAAI/ACM در سال 2024 در مورد هوش مصنوعی ، اخلاق و جامعه (AIES)
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 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

The top priority of a Housing and Homelessness System of Care (HHSC) is to connect people experiencing homelessness to supportive housing. An HHSC typically consists of many agencies serving the same population. Information technology platforms differ in type and quality between agencies, so their data are usually isolated from one agency to another. Larger agencies may have sufficient data to train and test artificial intelligence (AI) tools but smaller agencies typically do not. To address this gap, we introduce a Federated Learning (FL) approach enabling all agencies to train a predictive model collaboratively without sharing their sensitive data. We demonstrate how FL can be used within an HHSC to provide all agencies equitable access to quality AI and further assist human decision-makers in the allocation of resources within HHSC. This is achieved while preserving the privacy of the people within the data by not sharing identifying information between agencies without their consent. Our experimental results using real-world HHSC data from Calgary, Alberta, demonstrate that our FL approach offers comparable performance with the idealized scenario of training the predictive model with data fully shared and linked between agencies.

چکیده به فارسی (ترجمه ماشینی)

اولویت اصلی سیستم مراقبت از مسکن و بی خانمانی (HHSC) اتصال افرادی است که بی خانمان را به مسکن حمایتی تجربه می کنند.HHSC به طور معمول شامل بسیاری از آژانس ها است که در همان جمعیت خدمت می کنند.سیستم عامل های فناوری اطلاعات از نظر نوع و کیفیت بین آژانس ها متفاوت است ، بنابراین داده های آنها معمولاً از یک آژانس به آژانس دیگر جدا می شوند.آژانس های بزرگتر ممکن است داده های کافی برای آموزش و آزمایش ابزارهای هوش مصنوعی (AI) داشته باشند ، اما آژانس های کوچکتر به طور معمول اینگونه نیستند.برای پرداختن به این شکاف ، ما یک رویکرد یادگیری فدرال (FL) را معرفی می کنیم که به همه آژانس ها امکان می دهد یک مدل پیش بینی را بطور مشترک و بدون به اشتراک گذاشتن داده های حساس خود آموزش دهند.ما نشان می دهیم که چگونه می توان از FL در یک HHSC استفاده کرد تا همه آژانس ها دسترسی عادلانه به کیفیت هوش مصنوعی را فراهم کند و به تصمیم گیرندگان انسانی در تخصیص منابع در HHSC کمک کند.این امر ضمن حفظ حریم خصوصی افراد در داخل داده ها با عدم اشتراک گذاری اطلاعات بین آژانس ها بدون رضایت آنها حاصل می شود.نتایج تجربی ما با استفاده از داده های HHSC در دنیای واقعی از کلگری ، آلبرتا ، نشان می دهد که رویکرد FL ما عملکرد قابل مقایسه ای را با سناریوی ایده آل آموزش مدل پیش بینی با داده ها کاملاً مشترک و مرتبط بین آژانس ها ارائه می دهد.

📚 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.