<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Battery Efficiency on وبلاگ Formize.com</title><link>https://blog.formize.com/fa/tags/battery-efficiency/</link><description>Recent content in Battery Efficiency on وبلاگ Formize.com</description><generator>Hugo</generator><language>fa</language><atom:link href="https://blog.formize.com/fa/tags/battery-efficiency/index.xml" rel="self" type="application/rss+xml"/><item><title>تولید داده‌های مصنوعی چند‑مودال تطبیقی با TinyML و حریم خصوصی تفاضلی برای دستگاه‌های لبه‌ای با محدودیت باتری</title><link>https://blog.formize.com/fa/adaptive-multi-modal-synthetic-data-generation-for-edge-devi/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://blog.formize.com/fa/adaptive-multi-modal-synthetic-data-generation-for-edge-devi/</guid><description>&lt;h1 id="تولید-دادههای-مصنوعی-چندمودال-تطبیقی-با-tinyml-و-حریم-خصوصی-تفاضلی-برای-دستگاههای-لبهای-با-محدودیت-باتری">تولید داده‌های مصنوعی چند‑مودال تطبیقی با TinyML و حریم خصوصی تفاضلی برای دستگاه‌های لبه‌ای با محدودیت باتری&lt;/h1>
&lt;h2 id="مقدمه">مقدمه&lt;/h2>
&lt;p>دستگاه‌های لبه‌ای — از پوشیدنی‌ها و حسگرهای صنعتی تا پهپادهای خودران — به‌طور فزاینده‌ای انتظار می‌رود &lt;strong>یاد بگیرند&lt;/strong> و &lt;strong>سازگار شوند&lt;/strong> بدون وابستگی به اتصال مداوم به ابر. تولید داده‌های مصنوعی در لبه می‌تواند کمبود داده را رفع کند، تأخیر را کاهش دهد و حریم خصوصی کاربر را محافظت کند. با این حال، سه چالش اصلی بر این حوزه حاکم است:&lt;/p></description></item></channel></rss>