Hybrid CNN–Transformer Architecture with Federated Learning for Privacy-Preserving Smart City Applications: A Comprehensive Analysis of Global Implementations and Future Directions
Notice bibliographique
Résumé
Title:Hybrid CNN–Transformer Architecture with Federated Learning for Privacy-Preserving Smart City Applications: A Comprehensive Analysis of Global Implementations and Future Directions Summary:This research paper introduces a novel hybrid deep learning framework that combines Convolutional Neural Networks (CNNs) and Transformers, deployed using federated learning, to address privacy and scalability challenges in smart city applications. The approach enables local data processing on edge devices, ensuring sensitive information never leaves its source, and applies differential privacy techniques to provide formal privacy guarantees. Key Contributions: Hybrid Model: Integrates CNNs for local feature extraction and Transformers for global context, optimized for distributed, privacy-preserving learning. Federated Learning: Allows collaborative model training across multiple devices without centralizing raw data, supporting compliance with privacy regulations like GDPR and CCPA. Differential Privacy: Implements adaptive noise mechanisms to balance privacy and model accuracy. Comprehensive Evaluation: Demonstrates strong performance (93.5% mean accuracy, 15.2% improvement over baselines) across five real-world smart city datasets, including traffic, air quality, and energy management. Market and Case Study Analysis: Reviews global smart city investment trends and presents case studies from Barcelona, Singapore, and Toronto, highlighting different governance and privacy models. Significance:The paper provides a scalable, privacy-preserving AI solution for smart cities, addressing regulatory, technical, and practical deployment challenges. It offers both theoretical innovation and real-world validation, making it relevant for researchers, practitioners, and policymakers in urban computing and AI.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».