زمان بندی دو سطحی آگاه از اهمیت به روزرسانی و ازدحام شبکه برای یادگیری فدرال سلسله مراتبی ارتباط کارا در اینترنت اشیای پزشکی

اینترنت اشیای پزشکی با فراهم کردن امکان پایش مستمر بیماران و تحلیل بلادرنگ داده های زیستی نقش مهمی در توسعه سامانه های سلامت هوشمند ایفا می کند. با این حال آموزش مدل های هوش مصنوعی در این محیط با چالش هایی مانند حساسیت داده های پزشکی، ناهمگونی منابع محاسباتی، محدودیت پهنای باند، ناپایداری ارتباطات و هزینه بالای انتقال مکرر پارامترهای مدل روبه رو است. یادگیری فدرال سلسله مراتبی با توزیع فرایند آموزش میان دستگاه های پزشکی، سرورهای لبه و سرور ابری می تواند بخشی از این محدودیت ها را کاهش دهد؛ اما در بسیاری از روش های موجود به روزرسانی های محلی و منطقه ای بر اساس دوره های ارتباطی ثابت یا تنها با توجه به تاخیر و ظرفیت منابع ارسال می شوند. در نتیجه حتی به روزرسانی هایی که تغییر ناچیزی در مدل ایجاد کرده اند ممکن است در شرایط ازدحام شبکه منتقل شوند و بدون ایجاد بهبود متناسب در عملکرد یادگیری، مصرف پهنای باند، انرژی و زمان آموزش را افزایش دهند. این پژوهش یک سیاست زمان بندی تطبیقی دو سطحی آگاه از اهمیت به روزرسانی و ازدحام شبکه برای یادگیری فدرال سلسله مراتبی در اینترنت اشیای پزشکی پیشنهاد می کند. در سطح دستگاه لبه میزان تغییر مدل محلی نسبت به مدل مرجع، کهنگی به روزرسانی و وضعیت ارتباطی برای تصمیم گیری درباره ارسال، تعویق یا حذف به روزرسانی ارزیابی می شود. در سطح لبه ابر نیز فاصله زمانی انتقال مدل های منطقه ای با توجه به ارزش تجمعی به روزرسانی ها و شدت ازدحام شبکه به صورت پویا تنظیم خواهد شد. روش پیشنهادی به عنوان توسعه ای بر چارچوب یادگیری فدرال لبه ای AFEL طراحی شده و ضمن حفظ معماری دستگاه-لبه-ابر یک سازوکار تصمیم گیری پیش از انتقال مدل به آن اضافه می کند. ارزیابی چارچوب در سناریوهای مختلف ازدحام، تاخیر، توزیع غیرهمسان داده و ناهمگونی منابع انجام خواهد شد و عملکرد آن از نظر حجم ارتباطات، تعداد پیام ها، تاخیر آموزش، سرعت همگرایی، مصرف انرژی و معیارهای تشخیص ناهنجاری پزشکی مقایسه می شود. هدف اصلی کاهش تبادلات غیرضروری و افزایش کارایی ارتباطی است؛ به گونه ای که حساسیت مدل نسبت به رخدادهای پزشکی و کیفیت پیش بینی آن دچار افت معنادار نشود.

کلیدواژه ها:

اینترنت اشیای پزشکی ، یادگیری فدرال سلسله مراتبی ، زمان بندی تطبیقی به روز رسانی ، ازدحام شبکه ، کارایی ارتباطی