В отношении компромиссов с моделями генераторного оборудования в рамках Федеративных систем прогнозирования

arXiv: 2605.07860v2 Annuales Type: заменить резюме: Федеративное обучение (ФЛ) стало перспективной парадигмой сохранения права собственности на данные клиентов и контроля над средами, распространяющимися через Интернет (IoT). Хотя в большинстве случаев использования FL доминируют дискриминационные модели, последние достижения в области разработки динамических моделей - таких как переменные автогенкодидеры (VAE), адверсариальные генерационные сети (GAN) и Difficution Models (DM) - открывают новые возможности для неконтролируемого обнаружения аномалий при анализе временных рядов с применением соответствующих методов прогнозного обслуживания (PdM) в важнейших промышленных инфраструктурах. В этой работе мы представляем всеобъемлющий анализ VAE, GAN и DM в контексте федеративного PdM. Мы анализируем их производительность и накладные расходы в рамках как полной, так и частичной федерации, где совместно используются только подмножества компонентов модели. На основе данных, полученных с помощью отдельных индивидуальных параметров FL, в настоящем документе содержится эмпирическая информация о разделении общих/частных параметров