محققان در مطالعه جدیدی، فریمورک نوآورانهای به نام CHARGE-FL را برای «یادگیری فدرال روی هوا» (OTA-FL) معرفی کردهاند. این تکنولوژی کلیدی برای آینده اینترنت اشیا و سیستمهای خودران است.
💡 نکته طلایی: چالش اصلی در یادگیری فدرالِ بیسیم، نویز و ناپایداری شبکه است. متد جدید CHARGE-FL با تنظیم خودکارِ زمانبندیِ تجمیع دادهها بر اساس وضعیت کانالهای ارتباطی، دقت و پایداری مدل را در محیطهای نویزی و پرچالش بهطور چشمگیری افزایش میدهد.
این یعنی سرعت بالاتر در آموزش مدلهای هوش مصنوعی بدون نیاز به انتقال دیتای خام کاربران، که گامی مهم در حفظ حریم خصوصی است. 🛡️
منبع: arXiv Machine Learning