مقاله Feddrivescore: رفتار محرک امتیاز دهی فدرال با ترکیبی از توزیع های متریک
| عنوان مقاله به انگلیسی | FedDriveScore: Federated Scoring Driving Behavior with a Mixture of Metric Distributions |
| عنوان مقاله به فارسی | مقاله Feddrivescore: رفتار محرک امتیاز دهی فدرال با ترکیبی از توزیع های متریک |
| نویسندگان | Lin Lu |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| تعداد صفحات | 18 |
| دسته بندی موضوعات | Machine Learning,Distributed, Parallel, and Cluster Computing,یادگیری ماشین , توزیع , موازی و محاسبات خوشه ای , |
| توضیحات | Submitted 12 January, 2024; originally announced January 2024. |
| توضیحات به فارسی | ارائه شده 12 ژانویه 2024 ؛در ابتدا ژانویه 2024 اعلام شد. |
چکیده
Scoring the driving performance of various drivers on a unified scale, based on how safe or economical they drive on their daily trips, is essential for the driver profile task. Connected vehicles provide the opportunity to collect real-world driving data, which is advantageous for constructing scoring models. However, the lack of pre-labeled scores impede the use of supervised regression models and the data privacy issues hinder the way of traditionally data-centralized learning on the cloud side for model training. To address them, an unsupervised scoring method is presented without the need for labels while still preserving fairness and objectiveness compared to subjective scoring strategies. Subsequently, a federated learning framework based on vehicle-cloud collaboration is proposed as a privacy-friendly alternative to centralized learning. This framework includes a consistently federated version of the scoring method to reduce the performance degradation of the global scoring model caused by the statistical heterogeneous challenge of local data. Theoretical and experimental analysis demonstrate that our federated scoring model is consistent with the utility of the centrally learned counterpart and is effective in evaluating driving performance.
چکیده به فارسی (ترجمه ماشینی)
به دست آوردن عملکرد رانندگی رانندگان مختلف در مقیاس یکپارچه ، بر اساس اینکه چقدر ایمن یا اقتصادی در سفرهای روزانه خود رانندگی می کنند ، برای کار مشخصات راننده ضروری است.وسایل نقلیه متصل فرصتی برای جمع آوری داده های رانندگی در دنیای واقعی ، که برای ساخت مدل های امتیاز دهی سودمند است.با این حال ، عدم وجود نمرات از پیش برچسب مانع استفاده از مدلهای رگرسیون تحت نظارت و مسائل مربوط به حفظ حریم خصوصی داده ها مانع راه یادگیری سنتی داده شده در سمت ابر برای آموزش مدل می شود.برای پرداختن به آنها ، یک روش امتیاز دهی بدون نظارت بدون نیاز به برچسب ها ارائه می شود در حالی که هنوز هم در مقایسه با استراتژی های امتیاز دهی ذهنی ، انصاف و عینیت را حفظ می کند.پس از آن ، یک چارچوب یادگیری فدرال مبتنی بر همکاری خودرو و ابر به عنوان یک گزینه جایگزین دوستانه برای یادگیری متمرکز ارائه شده است.این چارچوب شامل یک نسخه مداوم فدرال از روش امتیاز دهی برای کاهش تخریب عملکرد مدل امتیاز دهی جهانی ناشی از چالش ناهمگن آماری داده های محلی است.تجزیه و تحلیل نظری و تجربی نشان می دهد که مدل امتیاز دهی فدرال ما با کاربرد همتای مرکزی آموخته سازگار است و در ارزیابی عملکرد رانندگی مؤثر است.📚 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.