BÜYÜK VERİLERDE GİZLİLİK TABANLI YAKLAŞIM: FEDERE ÖĞRENME

Home Page
About
Submit A Journal
Submit A Conference
Submit Paper/Book
- Submit a Preprint
- Submit a Book
Contact

International Journal of 3D Printing Technologies and Digital Industry
Volume:3 Issue:3
BÜYÜK VERİLERDE GİZLİLİK TABANLI YAKLAŞIM: FEDERE ÖĞRENME

BÜYÜK VERİLERDE GİZLİLİK TABANLI YAKLAŞIM: FEDERE ÖĞRENME

Authors : Ahmet Ali SÜZEN, Kiyas KAYAALP

Pages : 297-304

View : 37 | Download : 11

Publication Date : 2019-12-31

Article Type : Research Paper

Abstract :Bu çalışmada dağıtık yapılardaki büyük verilerden gizlilik tabanlı makine öğrenmesi uygulamaları geliştirilmesi için federe öğrenme biçimi anlatılmıştır. Federe öğrenme eğitim verilerini yerelde tutarken, cep telefonları ve IoT insert ignore into journalissuearticles values(Internet of Things); cihazları gibi kaynakları kısıtlı uç aygıtların tahmin için paylaşılan bir model öğrenmesini sağlar. Federe öğrenme büyük ve heterojen ağlarda modellerin istatiksel eğitimlerini içerir. Bu dağıtık yapı içerisinde temel amaç toplam kayıp fonksiyon değerini minimize edebilmektir. Dağıtık yerel cihazlarda modelleri federe öğrenme ile eğitmedeki istatistiksel ve sistematik zorluklar, federe öğrenmenin gerçek dünyaya uygulanmasını zorlaştırmaktadır. Zorlukların çözümü ile ilgili yeni yaklaşımlar ve algoritmalar önerilmektedir. Elde edilen sonuçlar doğrultusunda federe öğrenmenin uygulanması ile merkezi yaklaşım, gizlilik, güvenlik, düzenleyici ve ekonomik olarak faydalar sağlayacağı öngörülmektedir.
Keywords : Federe Öğrenme, Makine Öğrenmesi, Gizlilik, Büyük Veri

ORIGINAL ARTICLE URL

* There may have been changes in the journal, article,conference, book, preprint etc. informations. Therefore, it would be appropriate to follow the information on the official page of the source. The information here is shared for informational purposes. IAD is not responsible for incorrect or missing information.