بهبود یادگیری ائتلافی در خودروهای خودران با استفاده از الگوریتم تاریخچه خطا و وزن دهی نمایی: یک رویکرد منصفانه
Publish place: Computing Science Journal، Vol: 9، Issue: 2
Publish Year: 1403
Type: Journal paper
Language: Persian
View: 144
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_CSJI-9-2_006
Index date: 8 September 2024
بهبود یادگیری ائتلافی در خودروهای خودران با استفاده از الگوریتم تاریخچه خطا و وزن دهی نمایی: یک رویکرد منصفانه abstract
در یادگیری ائتلافی خودروهای خودران، چالش اصلی عدم توازن و انصاف در دسترسی به داده های مختلف از سوی مشترکین است که می تواند منجر به کاهش دقت مدل و افزایش نوسانات در فرآیند یادگیری شود. این مسئله به ویژه زمانی که داده ها به صورت نابرابر بین مشترکین توزیع شده اند، نمایان تر می شود. برای رفع این چالش، یک الگوریتم جدید مبتنی بر تاریخچه خطا و وزن دهی نمایی پیشنهاد می دهیم. الگوریتم پیشنهادی از تاریخچه خطای n دور اخیر استفاده می کند و نرمال شده خطای هر مشترک را در گرادیان ارسالی ضرب می کند. این رویکرد باعث می شود تا از نوسانات شدید در به روزرسانی وزن ها جلوگیری شود و بهبود دقت و همگرایی سریع تر حاصل گردد. علاوه بر این، وزن دهی نمایی کمک می کند تا انصاف در فرآیند یادگیری حفظ شود، به گونه ای که مشترکین با داده های نامتوازن نیز عملکرد بهتری داشته باشند. برای ارزیابی عملکرد الگوریتم، آزمایش های گسترده ای بر روی مجموعه داده شبیه سازی شده KITTI انجام دادیم. نتایج نشان می دهد که الگوریتم پیشنهادی در مقایسه با الگوریتم های استاندارد مانند FedAvg، به ۳ درصد دقت بالاتر دست می یابد. همچنین، استفاده از وزن دهی نمایی به بهبود انصاف در فرآیند یادگیری کمک می کند، به گونه ای که اختلاف واریانس دقت الگوریتم پیشنهادی با بقیه الگوریتم ها در بهترین حالت ۴۰۰ می باشد.
بهبود یادگیری ائتلافی در خودروهای خودران با استفاده از الگوریتم تاریخچه خطا و وزن دهی نمایی: یک رویکرد منصفانه Keywords:
بهبود یادگیری ائتلافی در خودروهای خودران با استفاده از الگوریتم تاریخچه خطا و وزن دهی نمایی: یک رویکرد منصفانه authors
امیر ملانژاد
گروه کامپیوتر، واحد قم، دانشگاه آزاد اسلامی، قم، ایران
احمد حبیبی زاد نوین
استادیار گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی، واحد تبریز، تبریز، ایران
شمس اله قنبری
استادیار دانشکده مهندسی، دانشگاه آزاد اسلامی واحد آشتیان، آشتیان، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
