Contexte académique Avec la complexité croissante des modèles d’intelligence artificielle (IA) et les besoins accrus en matière de protection de la vie privée des données, l’apprentissage fédéré (Federated Learning, FL) est devenu un sujet de recherche important en tant que paradigme d’apprentissage automatique distribué. L’apprentissage fédéré per...

Méthode de détection d’intrusion pour le trafic de l’Internet industriel des objets basée sur l’apprentissage fédéré assisté par apprentissage profond récurrent par renforcement Contexte académique Le développement rapide de l’Internet industriel des objets (Industrial Internet of Things, IIoT) a apporté une révolution majeure aux systèmes industri...

Nouvelle méthode de sélection de caractéristiques efficace pour l’apprentissage horizontal fédéré Fond de recherche L’apprentissage fédéré horizontal (Horizontal Federated Learning, HFL) est une approche émergente dans l’apprentissage automatique distribué visant à protéger la confidentialité des données. Dans le cadre du HFL, chaque client partage...

Diagnostic multi-centré des maladies via l’apprentissage fédéré avec projection de modèle Introduction Avec le développement rapide de la technologie d’imagerie médicale, les recherches basées sur les méthodes de diagnostic automatisé ont montré de bonnes performances sur des ensembles de données monocentriques. Cependant, ces méthodes ont souvent ...

Une étude de collaboration inter-agences sur la détection des anomalies des bruits cardiaques en utilisant l’apprentissage fédéré Contexte académique Les maladies cardiovasculaires (CVDs) sont devenues l’une des principales causes de mortalité, notamment chez les personnes âgées. Les problèmes de santé cardiovasculaire requièrent une attention part...