Fugu-MT 論文翻訳(概要): Fed-DART and FACT: A solution for Federated Learning in a production environment

論文の概要: Fed-DART and FACT: A solution for Federated Learning in a production environment

arxiv url: http://arxiv.org/abs/2205.11267v1
Date: Mon, 23 May 2022 12:32:38 GMT
ステータス: 処理完了
システム内更新日: 2022-05-24 19:23:51.761647
Title: Fed-DART and FACT: A solution for Federated Learning in a production environment
Title（参考訳）: Fed-DARTとFACT: 生産環境におけるフェデレーションラーニングのソリューション
Authors: Nico Weber, Patrick Holzer, Tania Jacob, Enislay Ramentol
Abstract要約: 分散人工知能(AI)ソリューションは、産業応用における様々な問題を解決する。実際のビジネスインパクトを生み出すためにAIを本番環境に持ち込むことは、難しい作業です。我々はFed-DARTに基づくFACTフレームワークを開発した。
参考スコア（独自算出の注目度）: 0.30586855806896046
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Federated Learning as a decentralized artificial intelligence (AI) solution solves a variety of problems in industrial applications. It enables a continuously self-improving AI, which can be deployed everywhere at the edge. However, bringing AI to production for generating a real business impact is a challenging task. Especially in the case of Federated Learning, expertise and resources from multiple domains are required to realize its full potential. Having this in mind we have developed an innovative Federated Learning framework FACT based on Fed-DART, enabling an easy and scalable deployment, helping the user to fully leverage the potential of their private and decentralized data.
Abstract（参考訳）: 分散人工知能(AI)ソリューションとしてのFederated Learningは、産業アプリケーションにおけるさまざまな問題を解決する。これにより、エッジのどこにでもデプロイ可能な、継続的自己改善AIが実現される。しかし、実際のビジネスインパクトを生み出すためにAIを本番環境に持ち込むことは難しい課題である。特にフェデレートラーニングの場合、その潜在能力を実現するためには、複数のドメインの専門知識とリソースが必要である。これを念頭に置いて、feed-dartをベースにした革新的なフェデレーション学習フレームワークfactを開発し、簡単でスケーラブルなデプロイメントを可能にし、ユーザがプライベートで分散化されたデータの可能性を完全に活用できるようにしました。

関連論文リスト

Federated Learning-Empowered AI-Generated Content in Wireless Networks [58.48381827268331]
フェデレートドラーニング(FL)は、学習効率を改善し、AIGCのプライバシー保護を達成するために利用することができる。我々は,AIGCの強化を目的としたFLベースの技術を提案し,ユーザが多様でパーソナライズされた高品質なコンテンツを作成できるようにすることを目的とする。
論文参考訳（メタデータ） (2023-07-14T04:13:11Z)
Unlocking the Potential of Collaborative AI -- On the Socio-technical Challenges of Federated Machine Learning [0.6767885381740952]
Federated Machine Learningは、分散化された、潜在的にサイロ化されたデータからAIモデルを作成することができる、新しいAIパラダイムである。本研究は、協調型ビジネスモデルの普及と、フェデレートされた機械学習の異なる側面について考察する。
論文参考訳（メタデータ） (2023-04-26T17:14:44Z)
AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文参考訳（メタデータ） (2023-04-10T15:38:12Z)
Leveraging Centric Data Federated Learning Using Blockchain For Integrity Assurance [14.347917009290814]
パブリックブロックチェーンとスマートコントラクトが活用する,データ中心のフェデレーション学習アーキテクチャを提案する。提案したソリューションは、開発者、データサイエンティスト、AIエンジニアがモデルを公開可能な仮想公開市場を提供する。データコントリビューションと検証に対してコントリビュータに報酬を与えるインセンティブメカニズムを通じて、データ品質と整合性を高めます。
論文参考訳（メタデータ） (2022-06-09T19:06:05Z)
Zero-Touch Network on Industrial IoT: An End-to-End Machine Learning Approach [14.349058730410109]
本稿では、インテリジェント製造のためのゼロタッチネットワークシステムを開発する。トレーニングと推論の両方の段階において、大規模な方法で分散AIアプリケーションを容易にする。
論文参考訳（メタデータ） (2022-04-26T21:41:43Z)
Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
論文参考訳（メタデータ） (2021-06-25T22:31:55Z)
Federated Learning for Industrial Internet of Things in Future Industries [106.13524161081355]
産業用IoT(Industrial Internet of Things)は,産業用システムの運用を変革する有望な機会を提供する。近年、人工知能(AI)はインテリジェントIIoTアプリケーションの実現に広く利用されている。フェデレートラーニング(FL)は、複数のIIoTデバイスとマシンを協調して、ネットワークエッジでAIトレーニングを実行することで、インテリジェントなIIoTネットワークにとって特に魅力的である。
論文参考訳（メタデータ） (2021-05-31T01:02:59Z)
Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。 AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
論文参考訳（メタデータ） (2021-01-15T10:43:10Z)
Enterprise AI Canvas -- Integrating Artificial Intelligence into Business [0.0]
Enterprise AIキャンバスは、データサイエンティストとビジネスエキスパートをまとめて、関連するすべての側面を議論し、定義するように設計されている。第1部はビジネスビューと組織的な側面にフォーカスするが、第2部は基盤となる機械学習モデルとそれが使用するデータにフォーカスする。
論文参考訳（メタデータ） (2020-09-18T07:30:56Z)
Artificial Intelligence in the Creative Industries: A Review [2.657505380055164]
本稿では,創造産業の文脈における人工知能(AI)技術と応用の現状を概観する。私たちはクリエイティブなアプリケーションを、AIテクノロジの使用方法に関連する5つのグループに分類します。これらの分野において、この急速に進歩する技術の成功と限界について検討する。
論文参考訳（メタデータ） (2020-07-24T07:29:52Z)
Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
民主化学習(Dem-AI)という新しいデザイン哲学を提案する。ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
論文参考訳（メタデータ） (2020-03-18T08:45:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。