ارائه یک روش نوین مبتنی بر الگوریتم Gossip Learning در مسئله تبادل منبع آینده نگر در سیستم های جریان سازی زنده نظیر به نظیر

مساله پیش بینی گره های همسایه مناسب برای تبادل قطعه داده های موجود یکیازمسائل چالش برانگیز درطراحی سیستم های نظیر به نظیر کارا بودها ست که همواره توجهات زیادی رادرمباحث اکادمیک به خود جلب کرده است دراین مساله با داده های کاملا توزیع شده درگره ها روبرو هستیم این داده ها که بعضا جزو حریم خصوصی کاربران هستند ازشبکه روگستر نظیر به نظیر و شبه روگستر اجتماعی بالاتر ازآن بدست می ایند مانندتاریخچه فعالیت گره ها علاقمندی های کاربران و پروفایل آنها و ... گره ها نیازمند تبادل پیغام برایا نتخاب پگره های هدف مناسب برای انجام تبادل منبع هستند که این فرایند سبب افزایش پیغام ها و سربار اضافی دراین سیستم ها میشود درروش پیشنهادی باایجادمدلهایی درهرگره ازروی داده های محلی و ادغام این مدلها با مدلهای سایر گره ها براساس الگوریتم Gossip Learning علاوه برعدم انتقال داده های خام به منظور تامین حریم خصوصی کاربران و کاهش تعدادواندازه پیغام ها هرگره قابلیت یادگیری رفتارهای اتی سایرگره های موجود دریک سیستم نظیر به نظیر برای انتخاب بهترین همسایه ها برای تبادل منبع را پیدا می کند

Keywords:

یادگیری مبتنی برشایعه , تبادل منبع آینده نگر , سیستم های نظیر به نظیر , جریان سازی زنده , یادگیری ماشین , شبکه روگستر , شبکه اجتماعی