🚀 راهکار هوشمندانه برای یادگیری فدرال (Federated Learning) با داده‌های ناقص

⚠️ هشدار به محققان: چرا دقت مدل‌های شناسایی پهپاد گاهی «واقعی» نیست؟

محققان در مقاله جدیدی از مدل «ProMoE-FL» رونمایی کردند که یک تحول بزرگ در یادگیری ماشینی چندوجهی (Multimodal) است.

چالش اصلی در این حوزه، کار با داده‌هایی است که بخشی از ویژگی‌های آن‌ها (مانند تصاویر پزشکی) ناقص است. این مدل جدید با استفاده از تکنیک «ترکیب متخصصان» (Mixture-of-Experts) و بانک‌های پروتوتایپ، می‌تواند ویژگی‌های مفقود شده را به صورت پویا بازسازی کند. این روش در تست‌های انجام شده روی داده‌های تصویربرداری قفسه سینه، عملکرد خیره‌کننده‌ای داشته و از روش‌های فعلی پیشی گرفته است. 🏥💡

این پیشرفت نه تنها دقت مدل‌ها را در محیط‌های پیچیده بالا می‌برد، بلکه حریم خصوصی داده‌ها را در یادگیری فدرال به‌خوبی حفظ می‌کند.

منبع: arXiv AI