<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Closed‑loop Feedback on وبلاگ Formize.com</title><link>https://blog.formize.com/fa/tags/closedloop-feedback/</link><description>Recent content in Closed‑loop Feedback on وبلاگ Formize.com</description><generator>Hugo</generator><language>fa</language><atom:link href="https://blog.formize.com/fa/tags/closedloop-feedback/index.xml" rel="self" type="application/rss+xml"/><item><title>تولید داده‌های مصنوعی مبتنی بر دیجیتال‌توین برای هوش مصنوعی لبه‌ای</title><link>https://blog.formize.com/fa/digital-twin-driven-synthetic-data-generation-for-edge-ai/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://blog.formize.com/fa/digital-twin-driven-synthetic-data-generation-for-edge-ai/</guid><description>&lt;h1 id="تولید-دادههای-مصنوعی-مبتنی-بر-دیجیتالتوین-برای-هوش-مصنوعی-لبهای">تولید داده‌های مصنوعی مبتنی بر دیجیتال‌توین برای هوش مصنوعی لبه‌ای&lt;/h1>
&lt;p>هوش مصنوعی لبه‌ای به سرعت از آزمایشگاه‌های تحقیقاتی به محیط‌های تولیدی منتقل می‌شود — کارخانه‌های هوشمند، وسایل نقلیه خودران، مانیتورهای سلامت از راه دور و شهرهای متصل به اینترنت اشیا. در حالی که نزدیکی محاسبه به منابع داده تاخیر و هزینه‌های پهنای باند را کاهش می‌دهد، یک پارادوکس نیز ایجاد می‌کند: &lt;strong>دستگاه‌های لبه‌ای به داده‌های آموزشی با کیفیت بالا نیاز دارند، اما اغلب تحت محدودیت‌های سخت‌گیرانهٔ حریم خصوصی، پهنای باند و مقرراتی عمل می‌کنند&lt;/strong>.&lt;/p></description></item></channel></rss>