قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
TensorFlow Federated
إطار عمل مفتوح المصدر تم تطويره بواسطة جوجل للتعلم الموحد، متكامل مع TensorFlow ويسمح بمحاكاة ونشر خوارزميات التعلم الموزع على البيانات اللامركزية.
PySyft
مكتبة بايثون مفتوحة المصدر للتعلم الموحد وحماية الخصوصية، تجمع بين PyTorch وتقنيات التشفير ومشاركة الأسرار الآمنة.
Flower Framework
إطار عمل للتعلم الموحد محايد تجاه أطر التعلم الآلي، يقدم بنية مرنة لنشر أنظمة التعلم الموحد مع عملاء غير متجانسين واستراتيجيات تجميع قابلة للتخصيص.
FedML
مكتبة بحث وإنتاج للتعلم الموحد وMLOps وقياس الأداء، توفر منصة شاملة لتطوير ونشر تطبيقات التعلم الموحد على نطاق واسع.
OpenFL
إطار عمل مفتوح المصدر للتعلم الموحد في البيئات الصحية والطبية، تم تطويره بواسطة إنتل ومصمم خصيصًا لمتطلبات الخصوصية والامتثال لـ HIPAA.
Substrato
منصة تعلم موحد مفتوحة المصدر تعتمد على Kubernetes، تتيح تنسيق أحمال العمل للتعلم الموزع مع عزل وأمان معزز بين المشاركين.
LEAF
معيار قياس مفتوح المصدر للتعلم الموحد، يوفر مجموعات بيانات واقعية مجزأة وتنفيذات مرجعية لتقييم الخوارزميات في ظروف غير متجانسة.
FedAvg
خوارزمية تجميع أساسية في التعلم الموحد تقوم بمتوسط مرجح للنماذج المحلية للعملاء بناءً على حجم مجموعات بياناتهم، وتخدم كأساس للعديد من المتغيرات.
FedProx
امتداد لـ FedProx يضيف مصطلح تنظيم قريب إلى الهدف المحلي للتعامل مع عدم التجانس النظامي والإحصائي بين العملاء، مما يحسن التقارب في البيئات غير المتطابقة التوزيع (non-IID).
SCAFFOLD
خوارزمية تعلم موزع تصحح انحراف التدرج بين العميل والخادم (client-drift) باستخدام متغيرات تحكم لتحقيق استقرار التدريب في السيناريوهات شديدة عدم التجانس.
FedBN
تقنية تعلم موزع تحافظ محلياً على إحصائيات تطبيع الدُفعات (Batch Normalization) لكل عميل، مما يسمح بإدارة أفضل لتوزيعات البيانات غير المتطابقة (non-IID) بين المشاركين.
FedOpt
عائلة من محسنات الخادم للتعلم الموّزع تطبق طرق تحسين تكيفية مثل Adam أو Yogi مباشرة على عملية تجميع النماذج العالمية.
FedPer
نهج تعلم موزع يفصل معلمات النموذج إلى أساسية (مشتركة عالمياً) ومخصصة (محلية)، مما يسمح بتخصيص فعال مع الحفاظ على التعاون.
Aggregation Server
مكون مركزي في البنية الموّزعة يجمع التحديثات المحلية من العملاء، وينفذ خوارزمية التجميع ويوزع النموذج العالمي المحدث على المشاركين.
Client Library
مجموعة من الأدوات البرمجية على جانب العميل تنفذ بروتوكولات الاتصال، والتدريب المحلي الآمن، وإدارة دورة حياة النماذج في نظام التعلم الموّزع.
Secure Aggregation
بروتوكول تشفير يسمح للخادم بتجميع تحديثات النماذج دون الوصول إلى التحديثات الفردية للعملاء، مما يحافظ على سرية المساهمات المحلية.
التشفير المتجانس
تقنية تشفير تسمح بإجراء العمليات الحسابية مباشرة على البيانات المشفرة، تُستخدم في التعلم الموحد لتجميع النماذج دون فك تشفير مساهمات العملاء أبداً.