• مقدمه (16)
  • پیش‌زمینه و معرفی (16)
  • بیان مسئله و چالش‌های موجود (20)
  • اهداف و رویکرد پیشنهادی (23)
  • نوآوری‌ها و دستاوردهای پژوهش (24)
  • ساختار پایان‌نامه (24)
• مطالعات مقدماتی و پیش‌زمینه (25)
  • مقدمه (25)
  • مفاهیم پایه یادگیری ماشین و شبکه‌های عصبی (25)
    • توابع زیان و بهینه‌سازی (26)
    • توکنایزاسیون و تعبیه‌سازی در پردازش متن (26)
    • معماری ترانسفورمر و مکانیزم توجه (27)
  • یادگیری فدرال و چالش‌های ناهمگونی (28)
    • فرمول‌بندی استاندارد یادگیری فدرال (28)
    • ناهمگونی داده‌ها و توزیع دیریکله (28)
    • ناهمگونی مدل و محدودیت‌های سخت‌افزاری (29)
  • یادگیری شکافته و مدل‌سازی لایه قطع (31)
    • معماری پایه و لایه قطع (31)
    • فرمول‌بندی انتشار رو به جلو و پس‌انتشار (32)
  • ادغام چندوجهی و تطبیق پارامتر-کارآمد (33)
    • مدل‌سازی ریاضی ادغام چندوجهی (33)
    • تطبیق مدل‌های زبانی با استفاده از LoRA (34)
  • جمع‌بندی و شکاف پژوهشی (34)
• کارهای پیشین (36)
  • یادگیری فدرال در حوزه سلامت و اینترنت اشیای پزشکی (36)
  • روش‌های انتخاب کاربر (38)
  • روش‌های مقابله با ناهمگونی منابع (40)
  • روش‌های رسیدگی به ناهمگونی داده و مدل (41)
    • جدول مقایسه روش‌های انتخاب کاربر (41)
  • ناهمگونی منابع در محیط‌های فدرال (42)
  • ناهمگونی داده و مدل (43)
  • یادگیری فدرال چندوجهی (44)
    • رویکرد RIFLE (45)
  • جمع‌بندی (46)
  • تحلیل روند پژوهش‌ها و شکاف تحقیقاتی (46)
  • گذار به سوی یادگیری فدرال چندوجهی در حوزه پزشکی (46)
• رویکرد پیشنهادی (49)
  • معماری کلی سامانه (49)
  • فرمول‌بندی مسئله بهینه‌سازی انتخاب کاربر (53)
    • مدل‌سازی زمان اجرای کاربر (55)
    • مدل‌سازی زمان کل دور آموزش (56)
    • تابع هدف بهینه‌سازی (57)
    • محدودیت‌های مسئله (57)
    • فرمول‌بندی توازنی کیفیت و زمان (57)
    • قید عدالت در انتخاب کاربر‌ها (58)
  • معماری شبکه‌های محلی در کاربر (58)
    • استخراج ویژگی‌های تصویری (59)
    • استخراج ویژگی‌های متنی (59)
    • تولید نمایش‌های فشرده (60)
    • معماری ادغام و مدل زبانی در سرور (60)
    • تنظیم ظریف با LoRA (61)
  • فرآیند ادغام و مدل زبانی در سرور (62)
    • تصویرسازی ویژگی‌ها و نگاشت به فضای نهفته (62)
    • ادغام چندوجهی و ورودی مدل زبانی (63)
    • تنظیم ظریف مدل زبانی با LoRA (63)
    • فرآیند آموزش فدرال شکافته چندوجهی (63)
  • مدل‌سازی و توزیع داده‌ها (65)
    • توزیع دیریکله برای داده‌های غیر هم‌توزیع (65)
    • پیش‌پردازش چندوجهی داده‌ها (66)
• نتایج و ارزیابی (68)
  • مقدمه (68)
  • تنظیمات آزمایش و محیط شبیه‌سازی (69)
    • مجموعه‌داده‌ها و نحوه توزیع (69)
    • محیط سخت‌افزاری و نرم‌افزاری (70)
    • معماری مدل‌ها (71)
    • ابرپارامترها (71)
  • روش‌های پایه برای مقایسه (72)
    • روش FedAvg-Multimodal (72)
    • روش FedMSplit (72)
    • روش CreamFL (72)
    • روش پیشنهادی (73)
    • مقایسه کیفی روش‌ها (73)
  • نتایج و تحلیل‌های تجربی (74)
    • مقایسه عملکرد با استفاده از مدل‌های سنگین (74)
    • تحلیل میانگین عملکرد (74)
    • تحلیل همگرایی (75)
    • تحلیل یادگیری چندوجهی (75)
    • تحلیل نقش همجوشی (76)
    • مقایسه با روش‌های پایه (77)
    • تحلیل استراتژی انتخاب کاربر (78)
    • تحلیل تأخیر و گره‌های عقب‌افتاده (79)
    • تحلیل زمان رسیدن به دقت هدف (80)
    • ارزیابی سربار ارتباطی شبکه (80)
    • موازنه مصرف انرژی و سرعت همگرایی (80)
    • بررسی مقیاس‌پذیری چارچوب پیشنهادی (81)
    • بررسی تأثیر نقطه قطع بر عملکرد سامانه (82)
    • مطالعه حذف اجزا (84)
    • جمع‌بندی نتایج در قالب جدول مقایسه‌ای جامع (85)
    • بحث در خصوص کاربردپذیری در محیط‌های عملی (86)
• نتیجه‌گیری و کارهای آینده (89)
• مراجع (91)
• واژه‌نامه (98)
• جزئیات تکمیلی پیاده‌سازی و تحلیل (101)
  • تحلیل حذف اجزا (104)