- 博客(309)
- 资源 (4)
- 收藏
- 关注
RSS订阅
原创 【联邦学习（Federated Learning）】- 横向联邦学习与联邦平均FedAvg
横向联邦学习也称为按样本划分的联邦学习，可以应用于联邦学习的各个参与方的数据集有相同的特征空间和不同的样本空间的场景，类似于在表格视图中对数据进行水平划分的情况。例如，两个地区的城市商业银行可能在各自的地区拥有非常不同的客户群体，所以他们的客户交集非常小，他们的数据集有不同的样本ID。然而，他们的业务模型非常相似，因此他们的数据集的特征空间是相同的。这两家银行可以联合起来进行横向联邦学习以构建更好的风控模型。
2023-03-30 19:09:50
5430
28
原创 【联邦学习（Federated Learning）】- 从基本分布式思想开始理解联邦学习
机器学习和人工智能的成功离不开大量的数据，但随着人工智能在各行各业的应用落地，人们对于用户隐私数据保安全的关注度也在不断提高。如何在遵守更加严格的、新的隐私保护条例的前提下，解决数据碎片化和数据隔离的问题，是当前人工智能研究者必须解决的问题。在以上的背景基础下，人们开始寻求一种不必将所有数据集中到一个中心存储点就能够训练机器学习模型的方法。联邦学习旨在建立一个基于分布数据集的联邦学习模型。
2023-03-24 12:01:39
3847
70
原创 Adam优化器算法详解及代码实现
在随机（小批量）梯度下降法中，如果每次选取样本数量比较小，损失会呈现振荡的方式下降．也就是说，随机梯度下降方法中每次迭代的梯度估计和整个训练集上的最优梯度并不一致，具有一定的随机性。一种有效地缓解梯度估计随机性的方式是通过使用最近一段时间内的平均梯度来代替当前时刻的随机梯度来作为参数更新的方向，从而提高优化速度。在标准的梯度下降法中，每个参数在每次迭代时都使用相同的学习率，但是学习率如果过大就不会收敛，如果过小则收敛速度太慢。其中， 𝛼 是初始的学习率，𝜖 是为了保持数值稳定性而设置的非常小的常数。
2023-03-17 19:43:09
14588
35
原创 【CSDN 年终总结】CSDN的进阶之路—— “1+1=王”的2022总结
正文之前打个广告，我正在参加年度博客之星评选，请大家帮我投票打分，您的每一分都是对我的支持与鼓励。⭐ ⭐ ⭐ ⭐ ⭐https://bbs.csdn.net/topics/611386885?spm=1001.2014.3001.69532022 在CSDN是持续输出，持续收获的一年。每一篇文章我都朝着登上热榜努力，保证文章的高质量。2022成功上榜385次，并多次登上综合热榜第一。坚守创作高质量文章的初心，每周上榜一周精选，每月上榜月度精选。推出《论文导读》系列专栏深受大家的喜爱。总访问量突破70W，粉
2023-01-05 09:15:24
6875
79
原创 【重温SSM框架系列】15 - SSM系列博文总结【SSM杀青篇】
SSM总结Spring部分1 - Spring快速入门（配置文件及API详解）2 - Spring配置数据源连接池（手动创建与配置）3 - Spring注解开发（注解代替xml文件配置）4 - Spring集成web环境（三层结构和配置监听器）SpringMVC部分Mybatis部分大家好，我是【1+1=王】， 热爱java的计算机（人工智能）渣硕研究生在读。如果你也对java、人工智能等技术感兴趣，欢迎关注，抱团交流进大厂！！！Good better best, never let it res
2022-04-19 20:31:26
3817
18
原创 【CSDN 年终总结】结束与开始，一直在路上—— “1+1=王”的2021总结
大家好，我是 1+1 = 王，2018年注册CSDN，虽然注册CSDN已经三年多了，但真正开始CSDN之旅确实在2021的后半年，这也是我的第一次CSDN年终总结博客。2021年过得很快，但经历很多、起伏很大、收获也很多。...
2022-01-09 22:08:43
4999
63
原创 【每天一个java设计模式（完）】 - 四万字实现23种设计模式（附示例源码）
什么是设计模式：【每天一个java设计模式（零）】 - 设计模式基本概念及七大设计原则创建型模式工厂模式：【每天一个java设计模式（一）】 - 工厂模式抽象工厂模式： 【每天一个java设计模式（二）】 - 抽象工厂模式单例模式：【每天一个java设计模式（三）】 - 单例模式原型模式：【每天一个java设计模式（四）】 - 原型模式建造者模式： 【每天一个java设计模式（五）】 - 建造者模式结构型模型适配器模式 ： 【每天一个java设计模式（六）】 - 适配器模式代理模.
2021-12-26 08:00:00
5901
25
原创 【攻克java集合系列（完结）】Java集合全面总结
【攻克java集合系列（完结）】List系列合集：【攻克java集合系列（一）】java集合中的List系列集合全面分析ArrayList从源码分析ArrayList集合LinkedList从源码分析LinkedList集合VectorQueue队列全面分析:【攻克java集合系列（二）】java集合中的Queue队列全面分析**Set系列合集：TODOHashSet从源码分析HashSet集合**Map系列合集：TODOTODOTODOTODOTODO其他补充内
2021-12-06 20:00:00
6942
5
原创 Redis常用数据类型及其应用场景
Bitmap 存储的是连续的二进制数字（0 和 1），通过 bitmap, 只需要一个 bit 位来表示某个元素对应的值或者状态，key 就是对应元素本身。有序集合（Sorted Set）：存储唯一、有序的元素集合，每个元素都关联一个分数，用于根据分数排序。存储键值对的无序集合，适合存储对象的属性。可以对集合进行添加、删除、查找、交集、并集等操作。字符串（String）：可以存储任意类型的数据，比如字符串、整数、浮点数等。
2023-06-29 19:18:37
2383
3
原创 MySQL日志（binlog、redo log、undo log等）
在MySQL数据库中，日志是记录数据库操作和状态变化的重要组成部分。它包括多个类型，如二进制日志、事务日志、错误日志和慢查询日志等。每种日志都有不同的作用和记录内容。
2023-06-28 20:46:18
801
原创 MySQL中的事务基础
隔离性（Isolation）：多个事务并发执行时，每个事务的执行应该与其他事务的执行相互隔离，使得每个事务感觉自己在独立地操作数据。MySQL中的事务指的是在数据库操作中，将一组SQL语句作为一个不可分割的执行单元进行处理的机制。Session A和Session B各开启了一个事务，Session B中的事务先将studentno列为1的记录的name列更新。为’张三’，然后Session A中的事务再去查询这条studentno为1的记录，如果读到列name的值为’张三’，而。
2023-06-28 09:23:21
1813
3
原创 Java虚拟机JVM常见面试题记录
加载（Loading）：查找并加载类的二进制数据。复制算法（Copying）：将内存分为两块，每次只使用其中的一块，在回收时将正在使用的内存中存活的对象复制到未使用的内存块中，然后清除正在使用的内存块中的所有对象。应用程序类加载器（Application Class Loader）：是用于加载应用程序的类，也称为系统类加载器，它会依据Java应用程序的类路径（classpath）搜索要加载的类文件。在Java虚拟机中，类加载器用于加载Java类的字节码文件到JVM中，并生成Java类的Class对象。
2023-06-28 08:59:38
601
原创 【论文导读】- dyngraph2vec: Capturing network dynamics using dynamic graph representation learning
学习图表示是一项基本任务，旨在捕获向量空间中图的各种属性。最新的方法学习静态网络的这种表示。然而，现实世界的网络随着时间的推移而发展，并具有不同的动态。捕捉这种演变是预测看不见的网络属性的关键。为了了解网络动力学如何影响预测性能，我们提出了一种嵌入方法，该方法可以学习动态图中的演变结构，并且可以更高精度地预测看不见的链接。我们的模型dyngraph2vec使用由密集层和循环层组成的深层架构来学习网络中的时间转换。我们激发了捕捉动态的需求，以便在使用随机块模型创建的数据集上进行预测。
2023-06-26 20:58:49
699
13
原创 ThreadLocal原理与使用
ThreadLocal是Java中的一个线程本地存储类，它可以用于将某个对象绑定到当前线程上。这样，在同一个线程中不同方法都可以访问到这个对象，而不需要将对象作为参数传递或者使用全局变量。
2023-06-26 09:10:27
698
原创 图神经网络的基本结构
特征矩阵则描述了节点的特征信息，是一个 n×d 的二维矩阵，其中 d 表示节点特征的维度，每行表示一个节点的特征向量。具体来说，它采用了一种类似于聚合池化的方式，将当前节点所在的子图中的所有节点向量拼接起来，然后通过一个神经网络模型（通常是多层感知机）来进行转换，并将转换后的结果作为当前节点的新特征表示。需要注意的是，不同类型的图神经网络可能具有不同的节点嵌入和图卷积设计，例如，GCN使用拉普拉斯矩阵和傅里叶变换来进行图卷积，而GAT使用注意力机制来融合不同节点之间的信息。
2023-06-20 21:13:11
2118
原创 【论文导读】- A Topological Information Protected Federated Learning Approach for Traffic Speed Forecasting
联合学习已被应用于智能交通系统中的各种任务，以通过分散的训练方案保护数据隐私。智能交通系统（ITS）中最先进的模型的主要优点是基于图神经网络（GNN）的空间信息学习。当将前馈学习应用于基于GNN模型的ITS任务时，现有的框架只能保护数据隐私；然而，忽略了传输网络的拓扑信息。在本文中，我们提出了一种新的分布式学习框架来解决这个问题。具体地，我们引入了一种基于差分隐私的邻接矩阵保护方法来保护拓扑信息。我们还提出了一种邻接矩阵聚合方法，允许基于局部GNN的模型接入全局网络，以获得更好的训练效果。
2023-06-16 20:48:07
2778
68
原创 回溯算法基本思想及其实现
在深度优先搜索的过程中，当搜索到某一层时，根据问题的限制条件判断该层的节点状态是否满足条件。如果条件不满足，则这个节点的状态被排除，并回溯到当前节点的父节点，重新进行遍历。如果条件满足，则继续搜索下一层的节点，并重复以上操作，直到搜索到一个符合条件的解或者遍历完整个解空间。如果递归过程中发现当前状态不符合要求，则需要撤销前面的选择，回到上一层状态，重新开始搜索。它的基本思想是从可能的决策开始搜索，如果发现这条路往下走不能得到有效的解答，就返回上一层重新选择另外一种可能的决策，并且重复以上的步骤。
2023-06-15 18:35:53
1526
1
原创 【论文导读】- Variational Graph Recurrent Neural Networks（VGRNN）
对图结构化数据的表示学习主要在静态图设置中进行研究，而对动态图进行建模的努力仍然很少。在本文中，我们开发了一种新颖的分层变分模型，该模型引入了额外的随机变量来联合建模图递归神经网络（GRNN）的隐藏状态，以捕获拓扑和节点属性变化的非动态图。我们认为，在这个变分GRNN（VGRNN）中使用高级潜在随机变量可以更好地捕获动态图中观察到的潜在变异性以及节点潜在表示的不确定性。通过为这种新的VGRNN架构（SI-VGRNN）开发的半隐式变分推理，我们表明灵活的非高斯潜在表示可以进一步帮助动态图分析任务。
2023-06-13 20:51:08
4421
59
原创 【论文导读】- STFL: A Spatial-Temporal Federated Learning Framework for Graph Neural Networks
我们提出了一个面向图神经网络的时空联邦学习框架STFL。该框架挖掘输入时空数据的底层相关性，并将其转化为节点特征和邻接矩阵。框架中的联邦学习设置在保证数据隐私的同时实现了良好的模型泛化性。在睡眠阶段数据集ISRUC S3上的实验结果说明了STFL在图预测任务上的有效性。
2023-06-10 15:25:36
3575
37
原创 【论文导读】-Cross-Node Federated Graph Neural Network for Spatio-Temporal Data Modeling（跨节点联邦图神经网络时空数据建模）
传感器、可穿戴设备和物联网设备网络生成的大量数据强调了对利用分散数据的时空结构的高级建模技术的需求，因为需要边缘计算和许可问题。虽然联邦学习已经成为模型训练的框架，不需要直接的数据共享和交换，但有效地对复杂的时空依赖关系进行建模以提高预测能力仍然是一个悬而未决的问题。另一方面，最先进的时空预测模型假设不受限制地访问数据，忽略了数据共享的限制。
2023-05-31 22:09:57
3407
44
原创 2023年五月TIOBE编程语言排行榜TIOBE Index for May 2023
数据来源：TIOBE官网：https://www.tiobe.com/tiobe-index/
2023-05-19 19:09:33
2382
原创 【论文导读】- A vertical federated learning framework for graph convolutional network（一种用于图卷积网络的纵向联邦学习框架）
最近，图神经网络( Graph Neural Network，GNN )在图数据上的各种实际问题中取得了显著的成功。然而在大多数行业中，数据以孤岛的形式存在，数据的隐私安全也是一个重要问题。在本文中，我们提出了一种联邦GCN学习框架FedVGCN，用于数据垂直分区设置下的隐私保护节点分类任务，该范式可以推广到现有的GCN模型中。具体地，我们将计算图数据拆分为两部分。对于训练过程的每一次迭代，双方在同态加密下相互传递中间结果。
2023-05-04 21:05:00
4545
42
原创 【社区图书馆】-《科技服务与价值链》总结
其中也包括通常的社会现象，如不同单位间的相互配合与协作，部门间关系的协调，企业间相互竞争的作用，以及系统中的相互干扰和制约等。价值链及价值链协同体系是现代产业集群的核心枢纽，是推进城市群及产业集群化、服务化、生态化发展的纽带。首先对价值链所涉及的相关概念作了清晰的解释，并提出价值链的供应价值链协同、营销价值链协同、服务价值链协同、配件价值链四条子链。：企业的设计、生产、销售、交货、维修服务等每一项经营活动中，都能够产生价值，这些相互关联的活动就构成了创造价值的动态过程，即企业的价值链。
2023-04-25 09:53:26
1266
4
原创 图像分割（Segmentation）
Cit yscapes 是驾驶领域进行效果和性能测试的图像分割数据集，它包含了5000张精细标注的图像和20000张粗略标注的图像，这些图像包含50个城市的不同场景、不同背景、不同街景，以及30类涵盖地面、建筑、交通标志、自然、天空、人和车辆等的物体标注。在解码器处，执行上采样和卷积。像，采用反卷积层对最后一个卷积层的f eat ure map进行上采样, 使它恢复到输入图像相同的尺寸，从而可以对每个像素都产生了一个预测, 同时保留了原始输入图像中的空间信息, 最后在上采样的特征图上进行逐像素分类。
2023-04-21 08:58:08
2893
57
原创 目标检测【Object Detection】
对于目标检测任务来说，COCO数据集中的80类是完全足够的。Mask R-CNN是对Faster R-CNN的直观扩展，网络的主干有RPN转换为主干网络为ResNet的特征金字塔网络(FPN)，同时添加了一个分支用于预测每个感兴趣区域(RoI)上的分割掩模，与现有的用于分类和边界盒回归的分支并行。在多个特征图上设置不同缩放比例和不同宽高比的先验框以融合多尺度特征图进行检测，靠前的大尺度特征图可以捕捉到小物体的信息，而靠后的小尺度特征图能捕捉到大物体的信息，从而提高检测的准确性和定位的准确性。
2023-04-13 20:07:54
7702
58
原创 2023年四月TIOBE编程语言排行榜TIOBE Index for April 2023
由于现在需要处理大量的数据，这类语言正在蓬勃发展。因此，C和C++在前10名中表现良好，Rust似乎是前20名的守门员。Zig是一种非常实用的语言，可以与C/C++程序顺利交互，因此很容易从C/C++迁移到Zig。它具有C和C++的所有好特性（例如用选项类型增强的显式内存管理），并放弃了不太好的特性（例如糟糕的预处理）。需要注意的是，TIOBE索引与最佳编程语言或大多数代码行的编写语言无关。该索引可用于检查您的编程技能是否仍然是最新的，或者在开始构建新的软件系统时，对应采用何种编程语言做出战略决策。
2023-04-12 19:06:27
2051
1
原创 使用PyG（PyTorch Geometric）实现基于图卷积神经网络（GCN）的节点分类任务
PyG（PyTorch Geometric）是一个基于PyTorch的库，可以轻松编写和训练图神经网络（GNN），用于与结构化数据相关的广泛应用。它包括从各种已发表的论文中对图和其他不规则结构进行深度学习的各种方法，也称为几何深度学习。此外，它还包括易于使用的迷你批处理加载程序，用于在许多小型和单巨型图上操作，多GPU支持，大量通用基准数据集（基于创建自己的简单接口），GraphGym实验管理器，以及有用的转换，既用于在任意图上学习，也用于在3D网格或点云上学习。
2023-04-06 19:58:37
6792
54
原创 本科课程【移动互联网应用开发（Android开发）】实验5 - Service服务应用
大家好，我是【1+1=王】， 热爱java的计算机（人工智能）渣硕研究生在读。如果你也对java、人工智能等技术感兴趣，欢迎关注，抱团交流进大厂！！！近期会把自己本科阶段的一些课程设计、实验报告等分享出来，供大家参考，希望对大家有帮助。
2023-03-22 20:51:18
685
原创 本科课程【移动互联网应用开发（Android开发）】实验3 - Activity及数据存储
了解什么是Activity，掌握其创建和配置； 熟悉Activity的生命周期及其回调方法； 掌握Intent及Activity之间跳转方法； 掌握Activity中的数据传递； 了解Android数据存储的方式及其点； 熟悉文件存储和JSON解析； 掌握SharedPreferences。创建工程名为Experiment 3的Android工程，设计如图1、2、3所示的界面。具体要求和提示如下：硬件：CPU i5 2.8GHz RAM 4G及以上软件：windows、JDK1
2023-03-20 20:30:09
1363
1
原创 本科课程【移动互联网应用开发（Android开发）】实验4 - SQLite及数据展示
了解SQLite数据库的特点； 掌握SQLite数据库的创建和基本操作； 掌握Spinner和ListView控件的使用及数据适配。创建工程名为Experiment 4的Android工程，设计如图1、2所示的界面。具体要求和提示如下：硬件：CPU i5 2.8GHz RAM 4G及以上软件：windows、JDK1.7、Android Studio、Android虚拟机2. 主布局文件3. ListView列表项目布局文件4. Activity代码5. User实体类5.
2023-03-20 20:28:47
901
原创 本科课程【移动互联网应用开发（Android开发）】实验2 - ImageView和事件处理
大家好，我是【1+1=王】， 热爱java的计算机（人工智能）渣硕研究生在读。如果你也对java、人工智能等技术感兴趣，欢迎关注，抱团交流进大厂！！！近期会把自己本科阶段的一些课程设计、实验报告等分享出来，供大家参考，希望对大家有帮助。
2023-03-17 21:00:49
654
1
原创 本科课程【移动互联网应用开发（Android开发）】实验1 - 布局管理与组件应用
掌握LinearLayout、RelativeLayout和ConstraintLayout三种主要布局设计方法； 熟悉FrameLayout、TableLayout、GridLayout等布局； 熟练使用TextView、EditText、Button、RadioButton、CheckBox、ImageVew等常见简单组件； 掌握Spinner和ListView列表组件，熟悉RecyclerView、ViewPager、Fragment等高级组件； 掌握组件事件处理编程方法； 掌
2023-03-17 20:58:28
1045
原创 本科课程【数据库实验】实验8 - 存储过程和触发器
大家好，我是【1+1=王】， 热爱java的计算机（人工智能）渣硕研究生在读。如果你也对java、人工智能等技术感兴趣，欢迎关注，抱团交流进大厂！！！近期会把自己本科阶段的一些课程设计、实验报告等分享出来，供大家参考，希望对大家有帮助。
2023-03-16 20:07:46
1122
原创 本科课程【数据库实验】实验7 - 索引和视图
大家好，我是【1+1=王】， 热爱java的计算机（人工智能）渣硕研究生在读。如果你也对java、人工智能等技术感兴趣，欢迎关注，抱团交流进大厂！！！近期会把自己本科阶段的一些课程设计、实验报告等分享出来，供大家参考，希望对大家有帮助。
2023-03-16 20:07:23
960
原创 本科课程【数据库实验】实验6 - SQL语句的高级应用
大家好，我是【1+1=王】， 热爱java的计算机（人工智能）渣硕研究生在读。如果你也对java、人工智能等技术感兴趣，欢迎关注，抱团交流进大厂！！！近期会把自己本科阶段的一些课程设计、实验报告等分享出来，供大家参考，希望对大家有帮助。
2023-03-16 20:06:58
706
原创 本科课程【数据库实验】实验5 - 数据检索
大家好，我是【1+1=王】， 热爱java的计算机（人工智能）渣硕研究生在读。如果你也对java、人工智能等技术感兴趣，欢迎关注，抱团交流进大厂！！！近期会把自己本科阶段的一些课程设计、实验报告等分享出来，供大家参考，希望对大家有帮助。
2023-03-16 20:06:36
561
原创 本科课程【数据库实验】实验4 - SQL语句基础
大家好，我是【1+1=王】， 热爱java的计算机（人工智能）渣硕研究生在读。如果你也对java、人工智能等技术感兴趣，欢迎关注，抱团交流进大厂！！！近期会把自己本科阶段的一些课程设计、实验报告等分享出来，供大家参考，希望对大家有帮助。
2023-03-15 20:13:50
376
原创 本科课程【数据库实验】实验3 - 数据完整性与数据传输
大家好，我是【1+1=王】， 热爱java的计算机（人工智能）渣硕研究生在读。如果你也对java、人工智能等技术感兴趣，欢迎关注，抱团交流进大厂！！！近期会把自己本科阶段的一些课程设计、实验报告等分享出来，供大家参考，希望对大家有帮助。
2023-03-15 20:13:07
356
时间序列图数据集INFECTIOUS-cumulative-daily-networks（HyperText09）
2023-02-10
网络（图 graph）数据集CollegeMsg
2023-02-10
时间序列图数据集OCnodeslinks-chars
2023-02-10
时序图数据集email-Eu-core-temporal
2023-02-10
Facebook-like Social Network网络图数据集
2023-02-04
Manufacture网络图数据集
2023-02-04
Celegant网络就是神经网络 网络中的节点代表神经元，连接代表突触联系，连接的权重是两个神经元之间的突触数量 包括297个节
2023-02-04
网络图数据集Airport
2023-02-04
深度学习时，当数据量级相差很大的时候，用什么方法做归一化
2022-11-22
可以通过神经网络中间层输出还原源数据吗
2022-09-07
TA创建的收藏夹 TA关注的收藏夹
TA关注的人