- 博客(64)
- 资源 (44)
- 收藏
- 关注
RSS订阅原创 【代码解析（6）】Secure Federated Matrix Factorization
【代码】【代码解析（6）】Secure Federated Matrix Factorization。
2023-07-09 16:14:53
179
原创 【代码解析（5）】Secure Federated Matrix Factorization
【代码】【代码解析（5）】Secure Federated Matrix Factorization。
2023-07-09 16:12:50
143
原创 【代码解析（4）】Secure Federated Matrix Factorization
【代码】【代码解析（4）】Secure Federated Matrix Factorization。
2023-07-09 16:10:27
187
原创 【代码解析（3）】Secure Federated Matrix Factorization
【代码解析（3）】Secure Federated Matrix Factorization。
2023-07-09 16:08:35
151
原创 【代码解析（2）】Secure Federated Matrix Factorization
【代码】【代码解析（2）】Secure Federated Matrix Factorization。
2023-07-09 16:06:33
117
原创 【代码解析（1）】Secure Federated Matrix Factorization
【代码】【代码解析（1）】Secure Federated Matrix Factorization。
2023-07-09 16:03:59
204
原创 【代码解析（5）】Federated Social Recommendation with Graph Neural Network
【代码】【代码解析（5）】Federated Social Recommendation with Graph Neural Network。
2023-07-02 19:43:50
127
原创 【代码解析（4）】Federated Social Recommendation with Graph Neural Network
【代码】【代码解析（4）】Federated Social Recommendation with Graph Neural Network。
2023-07-02 19:42:26
118
原创 【代码解析（3）】Federated Social Recommendation with Graph Neural Network
【代码】【代码解析（3）】Federated Social Recommendation with Graph Neural Network。
2023-07-02 19:40:33
178
原创 【代码解析（2）】Federated Social Recommendation with Graph Neural Network
【代码】【代码解析（2）】Federated Social Recommendation with Graph Neural Network。
2023-07-02 19:35:28
154
原创 【代码解析（1）】Federated Social Recommendation with Graph Neural Network
【代码】【代码解析（1）】Federated Social Recommendation with Graph Neural Network。
2023-07-02 19:32:22
190
原创 RS-FAIRFRS: COMMUNICATION EFFICIENT FAIR FEDERATED RECOMMENDER SYSTEM
我们提出了一种具有两个阶段的双公平向量更新技术。在阶段1中，服务器聚合接收到的项目向量，并对其进行训练，使其在一小部分数据上公平。在第2阶段，客户端将本地误差降至最低，并学习更接近全局公平项目向量的项目向量。利用霍夫丁约束支持不替换的抽样，随机均匀采样（无替换，不重复）将包含来自每个集群的大致相等数量的客户端。利用FedRec作为基础模型，客户端上传项目梯度，从服务器下载项目向量。（1）FRS中的人口统计学偏差问题，量化为不同组间平均错误率差异。，表示两个群体之间的差异。
2023-06-30 11:31:19
168
原创 Cali3F: Calibrated Fast Fair Federated Recommendation System
总结：Cali3F在保持快速收敛速度的同时提高联邦客户端推荐性能公平性，将神经网络集成到联邦协同过滤推荐框架，采用 MTL (多任务学习)通过一个自适应 L2规范正则化项同时训练局部和全局模型。Cali3F 的前提是，通过减少对全局模型的依赖，我们可以减少代表性差异，从而促进公平。将客户端分组为P个集群，从每个集群中随机选择一个给定数量的客户端参与训练，所选择的客户端被称为委托客户端，其余的为从属客户端。的梯度，应用一个额外梯度方向为全局分量和局部分量的差，对局部模型约束，使其不会发散太远。
2023-06-30 11:23:20
150
原创 A NOVEL PRIVACY-PRESERVED RECOMMENDER SYSTEM FRAMEWORK BASED ON FEDERATED LEARNING
A NOVEL PRIVACY-PRESERVED RECOMMENDER SYSTEM FRAMEWORK BASED ON FEDERATED LEARNING
2023-01-07 15:47:33
321
1
原创 学术论文写作
简单说就是使得文章一环扣一环的结构，或者思维向导，使得读者从一层走到另一层，直到最后知晓答案，这和英文论文的框架是一致的（先是introduction\methods discussion\result\conclusion），这是写好一篇小论文最关键的要点之一，就像是故事的剧本，要先有一本好剧本才能有一个好故事。论文中的图表是你传递信息的关键。对于科研小白，仿写是最高效的写作方式，可以找几篇和你论文相似的文献，从不同的文献中的各个部分摘抄好的句式和词汇，然后进行组合放到自己的文章中。
2022-11-10 21:26:08
1429
原创 Poisoning Deep Learning based Recommender Model in Federated Learning Scenarios
Poisoning Deep Learning based Recommender Model in Federated Learning Scenarios
2022-07-30 14:57:50
309
原创 综述：联邦学习隐私保护
1.不同于传统的集中式机器学习, 联邦学习由于自身架构和训练方式的独特性, 面临着更多样的隐私攻击手段和更迫切隐私保护需求. 现有的联邦学习隐私保护算法在技术、平衡性、隐私保护成本和实际应用中还存在诸多不足之处. 明确这些问题和挑战, 才能展望联邦学习隐私保护未来发展的机遇和方向：...
2022-06-14 10:46:00
2798
1
原创 UDA: A user-difference attention for group recommendation
代码：https://github.com/zanshuxun/User-Difference-Attention利用关系注意力显式模拟群体成员之间明确关系，将每个用户与其他用户进行比较，利用MLP添加非线性变换。提出用几个用户关系核(URK)模拟小组决策过程中不同类型的关系。研究的目的是：利用关系注意力来整合比较信息的群组推荐模型。...
2022-06-14 10:29:27
367
1
原创 Social-Enhanced Attentive Group Recommendation
《Social-Enhanced Attentive Group Recommendation》社交增强的组注意推荐
2022-04-29 18:05:48
704
原创 Decentralized Collaborative Learning Framework for Next POI Recommendation
Decentralized Collaborative Learning Framework for Next POI Recommendation1. What does literature study?为了促进协作学习，提出将来自地理上或语义上相似的用户的知识整合到每一个本地模型中，以进行聚合和互信息最大化。2. What’s the innovation?1. Past shortcomings资源的高消耗：对服务器来说会消耗过多的存储空间和计算资源。隐私问题：POI推荐中历史登记
2022-04-21 20:14:32
4330
原创 计算机类顶会顶刊
计算机类顶会顶刊（1）AISTATS：Artificial Intelligence and Statistics Conference人工智能与统计会议（2）ICML ：International Conference on Machine Learning的缩写，即国际机器学习大会。ICML如今已发展为由国际机器学习学会（IMLS）主办的年度机器学习国际顶级会议。（3）ICLR ：International Conference on Learning Representations国际学习表征会
2022-03-29 11:05:37
5675
原创 【代码解析（7）】Communication-Efficient Learning of Deep Networks from Decentralized Data
baseline_main.py#!/usr/bin/env python# -*- coding: utf-8 -*-# Python version: 3.6import osfrom tqdm import tqdmimport matplotlib.pyplot as pltimport torchfrom torch.utils.data import DataLoaderfrom utils import get_datasetfrom options import a
2022-01-17 22:15:15
4137
原创 【代码解析（6）】Communication-Efficient Learning of Deep Networks from Decentralized Data
utils.py#!/usr/bin/env python# -*- coding: utf-8 -*-# Python version: 3.6import osimport copyimport timeimport pickleimport numpy as npfrom tqdm import tqdmimport torchfrom tensorboardX import SummaryWriterfrom options import args_parserfr
2022-01-17 22:12:46
4315
原创 【代码解析（5）】Communication-Efficient Learning of Deep Networks from Decentralized Data
models.py#!/usr/bin/env python# -*- coding: utf-8 -*-# Python version: 3.6from torch import nnimport torch.nn.functional as Fclass MLP(nn.Module): ''' MLP模型 通用代码 ''' def __init__(self, dim_in, dim_hidden, dim_out):
2022-01-17 22:11:56
5444
原创 【代码解析（4）】Communication-Efficient Learning of Deep Networks from Decentralized Data
options.py#!/usr/bin/env python# -*- coding: utf-8 -*-# Python version: 3.6import argparse # 引入模块def args_parser(): # 建立解析对象 parser = argparse.ArgumentParser() ''' 联邦学习参数 ''' ''' 给一个 ArgumentParser 添加程序参数信息是通过调
2022-01-17 22:11:02
4650
原创 【代码解析（3）】Communication-Efficient Learning of Deep Networks from Decentralized Data
update.py#!/usr/bin/env python# -*- coding: utf-8 -*-# Python version: 3.6import torchfrom torch import nnfrom torch.utils.data import DataLoader, Datasetclass DatasetSplit(Dataset): """An abstract Dataset class wrapped around Pytorch Dataset
2022-01-17 22:09:41
5861
1
原创 【代码解析（2）】Communication-Efficient Learning of Deep Networks from Decentralized Data
utils.py#!/usr/bin/env python# -*- coding: utf-8 -*-# Python version: 3.6import copyimport torchfrom torchvision import datasets, transformsfrom sampling import mnist_iid, mnist_noniid, mnist_noniid_unequalfrom sampling import cifar_iid, cifar_non
2022-01-17 22:08:18
7185
原创 【代码解析（1）】Communication-Efficient Learning of Deep Networks from Decentralized Data
sampling.py下面展示一些 内联代码片。#!/usr/bin/env python# -*- coding: utf-8 -*-# Python version: 3.6import numpy as npfrom torchvision import datasets, transforms'''datasets： 提供常用的数据集加载，设计上都是继承 torch.utils.data.Dataset，主要包括 MNIST、CIFAR10/100、ImageNet、COCO
2022-01-17 22:05:10
8313
原创 Tensorflow&&Pytorch常见报错
（1）成功解决Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2在最顶行加入import osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' （2） 解决warnings:在最顶行加入import warningswarnings.filterwarnings("ignore")（3） FLAGS._parse_flags
2021-12-28 21:42:50
895
原创 阅读笔记：FedGNN: Federated Graph Neural Network for Privacy-Preserving Recommendation
FedGNN: Federated Graph Neural Network for Privacy-Preserving RecommendationICML’21 | 隐私保护下的图神经网络推荐系统 (qq.com).重点是看GNN与联邦学习怎么结合的？？1. What does literature study?a. 提出基于GNN的隐私保护联邦推荐框架，在隐私保护下利用高阶user-item交互协同训练GNN模型。2. What’s the innovation?Past shortco
2021-12-05 21:25:40
1173
1
原创 阅读笔记：Secure Federated Matrix Factorization
Secure Federated Matrix FactorizationAugust 2020, Intelligent Systems, IEEE 2021/10/3文章讲解：联邦学习下的安全矩阵分解 | 2021 WAIC 论文分享 (qq.com)1. What does literature study?安全联邦矩阵分解，客户端上传的梯度信息容易泄露翻遍吗出来用户私有评分信息。2. What’s the innovation?不同传统的模糊处理和加密方法，采用同态加密增加梯度安
2021-11-25 17:09:15
1009
1
原创 阅读笔记：Meta Matrix Factorization for Federated Rating Predictions
Meta Matrix Factorization for Federated Rating Predictions1. What does literature study?design a novel federated learning framework for rating prediction(RP) for mobile environments, introduce MetaMF to generate private item embeddings and RP models wit
2021-11-25 16:58:39
578
1
原创 虚拟环境中使用jupyter notebook
jupyter notebook(1) 在对应虚拟环境中安装ipykernelpip install ipykernel(2) 接着使用ipykernel 生成虚拟环境的kernelpython -m ipykernel install --user --name 环境名(3) 查看安装的kernel的内核和位置jupyter kernelspec list(4) 删除某一个kernal，如tensor-gpujupyter kernelspec remove tensor-gpu安装ju
2021-09-26 20:51:55
511
1
原创 AttributeError: ‘dict‘ object has no attribute ‘iteritems‘
Python3.8下：AttributeError: ‘dict’ object has no attribute ‘iteritems’解决代码中：将××.iteritems()改成××.items()
2021-04-19 23:33:03
285
原创 tensorflow下载
tensorflow下载（1）从头开始安装tensorflow-gpu == 1.13.0参考博客（2）安装、配置Window10+Anaconda（python3.5.2）+tensorflow-GPU（1.13.0）+keras（ 2.2.4）参考博客（3）WIN10+CUDA10.1+torch+tensorflow-gpu=1.15.0安装时踩过的坑参考博客（4）Win10安装CUDA10和cuDNN参考博客（5）tensorflow各个版本的CUDA以及Cudnn版本对应关系参
2021-04-08 23:42:22
113
网络空间安全数学基础（初等数论基础）
2023-06-30
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人