| تعداد نشریات | 62 |
| تعداد شمارهها | 2,323 |
| تعداد مقالات | 19,157 |
| تعداد مشاهده مقاله | 61,583,470 |
| تعداد دریافت فایل اصل مقاله | 31,231,192 |
استفاده از یادگیری فدرال (Federated Learning) برای تحلیل دادههای فیزیولوژیکی در پوشیدنیهای هوشمند: یک مرور سیستماتیک | ||
| دو فصلنامه مطالعات مروری علوم ورزشی وتندرستی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 16 خرداد 1405 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22054/jshsr.2026.86762.1033 | ||
| نویسندگان | ||
| افسانه شیخی* 1؛ فرشاد غزالیان2 | ||
| 1دانشجوی ارشد فیزیولوژی ورزشی و تندرستی ، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران | ||
| 2دانشیار گروه فیزیولوژی ورزشی دانشگاه آزاد اسلامی واحد علوم و تحقیقات | ||
| چکیده | ||
| فناوریهای پوشیدنی هوشمند، پتانسیل عظیمی برای جمعآوری پیوستهی دادههای فیزیولوژیکی و ارتقاء سلامت شخصی دارند. با این حال، چالشهای مربوط به حفظ حریم خصوصی دادهها، امنیت و تجمیع دادهها از منابع پراکنده (Data Silos)، مانع از بهرهبرداری کامل از این پتانسیل میشود. یادگیری فدرال (Federated Learning - FL) به عنوان یک پارادایم نوین یادگیری ماشین، راهکاری امیدبخش برای تحلیل دادهها به صورت غیرمتمرکز و بدون نیاز به انتقال دادههای خام به یک سرور مرکزی ارائه میدهد. هدف این مرور سیستماتیک، بررسی کاربردها، فرصتها و چالشهای استفاده از یادگیری فدرال برای تحلیل دادههای فیزیولوژیکی جمعآوریشده توسط پوشیدنیهای هوشمند است. این مرور با جستجو در پایگاههای دادهی علمی معتبر، مقالات مرتبط را شناسایی و تحلیل میکند. فرصتهای کلیدی شامل حفظ حریم خصوصی کاربر، افزایش امنیت دادهها، غلبه بر مشکل پراکندگی دادهها و قابلیت مقیاسپذیری برای تعداد زیادی از دستگاههاست. در مقابل، چالشهای اصلی شامل ناهمگونی دادهها (Data Heterogeneity) در دستگاههای مختلف، سربار ارتباطی (Communication Overhead)، پیچیدگیهای تجمیع مدل و مقاومت در برابر حملات خاص یادگیری فدرال هستند. نتایج این مرور نشان میدهد که یادگیری فدرال یک مسیر نویدبخش برای توسعهی هوش مصنوعی در حوزهی سلامت پوشیدنیهاست، اما نیازمند تحقیقات و نوآوریهای بیشتری برای غلبه بر موانع عملی و تضمین کارایی و امنیت آن در مقیاس وسیع است | ||
| کلیدواژهها | ||
| یادگیری فدرال؛ پوشیدنیهای هوشمند؛ پایش فیزیولوژیکی؛ حریم خصوصی؛ سلامت دیجیتال | ||
|
آمار تعداد مشاهده مقاله: 52 |
||