![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
汇报论文
文章平均质量分 76
秋宝1028
研究方向是联邦学习,欢迎交流~~
展开
-
基于模型分割的联邦学习
Split Learning的核心思想是将网络的结构进行拆分,每个设备只保留一部分网络结构,所有设备的子网络结构构成一个完整的网络模型。这种方法的主要思想是,通过对数据进行细粒度的切分,可以捕捉到数据中更加局部的特征和模式,从而有助于模型学习。同时,随着深度学习技术的不断发展,DNN分割的方法也在不断改进和优化,提高了分割的效果和速度。设计一种多轮迭代再聚合的模型聚合算法,加速FL聚合。SL可以在资源受限的情况下进行ML训练,因为设备只训练分割后的ML网络模型的前几层,从而让IoT设备进行FL成为可能。原创 2024-03-17 19:19:24 · 963 阅读 · 0 评论 -
ClusterFL: A Similarity-Aware Federated Learning System forHuman Activity Recognition
不同用户的活动往往表现出一定程度的相似性,这可能源于被试者的生物特征(如性别、身高、体重等)、物理环境(如被试者的活动地点),甚至是传感器的偏差[6,23,64]。我们调查了表1中列出的六个实词HAR数据集的数据相似度,包括基于智能手机的公共人类活动识别(SHAR)数据集[5],公共异构HAR (HHAR)数据集[51];以及我们自己收集的4个新数据集(Depth, IMU, UWB, HARBox数据集)(见第7节)。原创 2024-03-10 19:44:04 · 967 阅读 · 0 评论 -
基于秘密分享和梯度选择的高效安全联邦学习
原创 2024-03-03 14:38:39 · 364 阅读 · 0 评论 -
最小描述长度
最小描述长度(Minimum Description Length,MDL)在联邦学习中可以用于评估模型在描述数据时的性能,以及指导模型在联邦学习环境中的训练。MDL原则的基本思想是,一个好的模型应该能够用尽可能短的语言来描述数据,同时能够准确地预测或解释数据的特性。要计算一个模型的MDL,通常需要评估模型在描述数据时的信息量,同时也要考虑到模型本身的复杂度。总的来说,最小描述长度在联邦学习中的应用可以帮助我们在多个客户端之间找到一个平衡点,实现全局模型的优化,并提高模型的泛化能力。原创 2024-02-25 21:28:03 · 580 阅读 · 0 评论 -
t-SNE方法:
t-SNE(t-分布随机邻域嵌入,T-distributed Stochastic Neighbor Embedding)是一种流行的机器学习算法,主要用于降维。该算法特别适用于将高维数据映射到低维空间,如2维或3维,以便于可视化和分析。可以从具有数百甚至数千个维度的数据中创建引人注目的两维“地图”t-SNE(t-DistributedStochastic Neighbor Embedding,T 分布随机近邻嵌入)是一种可以把高维数据降到二维或三维的降维技术。t-SNE通过在。原创 2023-12-05 17:39:51 · 1014 阅读 · 0 评论 -
电力信息系统特点及安全防御
电力信息系统的构建,为居民用电和企业服务提供了帮助,有利于促进电力行业的信息化发展。尤其是在大数据时代,对电力信息系统的运行提出了更高的要求,只有保障其安全性与可靠性,才能防止其对居民用电产生影响。网络是一个虚拟性和开放性极强的世界,在电力信息系统运行中通常会受到网络安全问题的威胁,必须加强防护,以消除其中存在的安全隐患。从安全性和存储功能两方面深入分析了电力信息系统的功能需求,提出了网络信息安全分析架构的特点,探索了基于大数据的电力信息系统网络安全技术应用措施。原创 2023-12-01 18:28:18 · 1412 阅读 · 0 评论 -
项目申请书撰写【笔记】
撰写项目申请书需要良好的科技写作技能。好的项目申请书应该条理清 晰、逻辑严密。整份申请 书要有清晰的结构,每部分都有特定的功能,让项目评审人觉得一目了 然。每一段话也要有特定的功能,表达要有层次和递进。要注意起承转合、文脉通畅,也要有详有略。1) 项目的立项依据;2) 项目的研究内容、研究目标, 以及拟解决的关键科学问题;3) 拟采取的研究方案及可行性分析;4) 本项目的特色与创新之处;5) 年度研究计划及预期研究结果。原创 2023-12-01 14:02:27 · 649 阅读 · 0 评论 -
信息中心网络提出的背景、研究现状及研究内容
等。其中信息中心网络ICN因其良好的可扩展性和对高效可靠内容分发的天然支持, 自从诞生起就受到了学术和工业界的广泛关注并已成为未来网络架构的一个有希望的候选方案。通过以命名数据为核心,ICN有利于实现网内缓存和多播机制以促进信息的高效及时传递,能够更好地适应当前互联网的特点,即互联网的核心功能越来越偏向于信息传播而非终端主机之间的成对通信。同时ICN通过引入泛在的网内缓存功能可以有效地提升内容传输效率和用户体验,大幅减少网络中的冗余流量传输。原创 2023-11-19 20:09:06 · 296 阅读 · 0 评论 -
DeepMag: Sniffing Mobile Apps in Magnetic Field through Deep Convolutional Neural Networks
出发点:由于恶意使用无监督传感器数据而在智能手机上发现的一个新漏洞针对问题及达到效果:为了减轻此类攻击,提出了一种噪声注入方案,可以有效地将 App 嗅探精度降低到仅 15%,同时对良性 App 的影响可以忽略不计。原创 2023-09-10 20:30:45 · 55 阅读 · 0 评论 -
Privacy-Preserving federated learning An application for big data load forecast in buildings
说明背景:大数据分析和预测的重要地位存在问题:负荷预测模型需要消耗大量的关键词:足够种类的数据才能达到高精度,同时这些数据是敏感的;带宽消耗提出使用联邦学习(FL)作为一种去中心化的机器学习差分隐私隐私保护(FL 方法不提供可证明的隐私保证(1)带宽高效(2)引入了 POWER-SELECTION 协议来选择参与 FL 轮的建筑物。原创 2023-08-13 19:02:31 · 126 阅读 · 0 评论 -
Fine-Grained Preference-Aware Personalized Federated POIRecommendation with Data Sparsity
出发点:时间敏感、异构、有限的POI记录严重限制了联邦POI推荐的发展在极其稀疏的历史轨迹下设计了细粒度的偏好感知个性化联邦 POI 推荐框架,即 PrefFedPOI具体方案:PrefFedPOI通过结合每个本地客户端内的历史近期偏好和周期性偏好来提取当前时段的细粒度偏好。由于某些时段POI数据极度缺乏,针对模型参数上传设计了数据量感知选择性策略。此外,提出了一种带有强化学习的性能增强聚类机制,以捕获所有客户之间的偏好相关性,以鼓励积极的知识共享。原创 2023-08-06 17:52:21 · 244 阅读 · 0 评论 -
视频笔记【sci期刊常见的审稿意见汇总】
参考文献格式:参考期刊的参考样式来了解这些文献的确切格式,以及标点和大写的使用。消除多个引用(避免一句简单的背景描述,后面插入多篇参考文献)查看期刊要求,修改后应该提交什么版本。原创 2023-04-08 21:56:35 · 1169 阅读 · 0 评论 -
OTSU方法的最佳全局阈值处理
OTSU算法原创 2023-03-19 17:09:34 · 53 阅读 · 0 评论 -
FedBoosting: Federated Learning with GradientProtected Boosting for Text Recognition(论文研读:第二篇)
数据隐私保护—>联邦学习框架—>非独立同分布数据产生权重差异、泛化差、梯度泄漏—>联邦加速算法FedBoosting原创 2023-03-10 11:36:25 · 194 阅读 · 1 评论