| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:A review of federated learning in agriculture
Avtorji:ID Rizman Žalik, Krista (Avtor)
ID Žalik, Mitja (Avtor)
Datoteke:.pdf sensors-23-09566.pdf (839,33 KB)
MD5: 27F3FBAC5BD6C26959AC1CCE3B21B98F
 
URL https://www.mdpi.com/1424-8220/23/23/9566
 
Jezik:Angleški jezik
Vrsta gradiva:Članek v reviji
Tipologija:1.02 - Pregledni znanstveni članek
Organizacija:FNM - Fakulteta za naravoslovje in matematiko
FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:Federated learning (FL), with the aim of training machine learning models using data and computational resources on edge devices without sharing raw local data, is essential for improving agricultural management and smart agriculture. This study is a review of FL applications that address various agricultural problems. We compare the types of data partitioning and types of FL (horizontal partitioning and horizontal FL, vertical partitioning and vertical FL, and hybrid partitioning and transfer FL), architectures (centralized and decentralized), levels of federation (cross-device and cross-silo), and the use of aggregation algorithms in different reviewed approaches and applications of FL in agriculture. We also briefly review how the communication challenge is solved by different approaches. This work is useful for gaining an overview of the FL techniques used in agriculture and the progress made in this field.
Ključne besede:federated learning, agriculture, architecture, data partitioning, federation scal, aggregation algorithms, communication bottleneck
Status publikacije:Objavljeno
Verzija publikacije:Objavljena publikacija
Poslano v recenzijo:11.10.2023
Datum sprejetja članka:29.11.2023
Datum objave:02.12.2023
Založnik:MDPI
Leto izida:2023
Št. strani:20 str.
Številčenje:Vol. 23, iss. 23, [article no.] 9566
PID:20.500.12556/DKUM-88287 Novo okno
UDK:004.8
COBISS.SI-ID:179436547 Novo okno
DOI:10.3390/s23239566 Novo okno
ISSN pri članku:1424-8220
Avtorske pravice:© 2023 by the authors
Datum objave v DKUM:05.06.2024
Število ogledov:142
Število prenosov:37
Metapodatki:XML DC-XML DC-RDF
Področja:Ostalo
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share


Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Gradivo je del revije

Naslov:Sensors
Skrajšan naslov:Sensors
Založnik:MDPI
ISSN:1424-8220
COBISS.SI-ID:10176278 Novo okno

Gradivo je financirano iz projekta

Financer:ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
Številka projekta:J2-4458-2022
Naslov:Paradigma stiskanja podatkov z odstranjevanjem obnovljivih informacij

Financer:ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
Številka projekta:P2-0041-2020
Naslov:Računalniški sistemi, metodologije in inteligentne storitve

Licence

Licenca:CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.

Sekundarni jezik

Jezik:Slovenski jezik
Ključne besede:zvezno učenje, kmetijstvo, arhitektura, particioniranje podatkov, algoritmi združevanja


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici