unseven的博客

原创 【论文】利用移动性的比例公平蜂窝调度测量和算法

我们开发了利用移动性的预测有限视界PF调度框架。我们提供了来自3G网络的广泛信道测量结果，并表征了由移动性引起的信道状态趋势。我们发现用户的信道状态具有高度可重复性，并利用这一点开发了数据速率预测机制。然后，我们提出了一些利用预测机制的信道分配估计算法。我们的基于跟踪的模拟考虑了由预测和信道分配估计算法组合而成的框架实例。它们表明该框架可以将吞吐量提高15%到55%，与传统的PF调度器相比，同时提高了公平性。

原创 神经网络画图？PPT就够了

在写项目文档或者论文，甚至是开组会的时候都需要画出模型的图片，但一些高端的画图软件或网站不太会用，而且我们画的模型又没有很复杂，大可不必花太多时间。但问题是一些免费的画图工具效果不佳，要么图片不好看，要么就得从头到尾一点点设计，好一点像亿图这样的软件又得花钱，花了钱但又用不了几次。那还不如用PPT画，这份PPT共160页，所有的素材均可编辑，效果如下。照着模板改又快又好。

转载 中央服务器优化算法

原创 FATE框架中pipline基础教程

FATE主要将表格数据作为其标准数据格式。然而，通过使用NN模块的数据集功能，可以在神经网络中使用非表格数据，如图像、文本、混合数据或关系数据。NN模块中的数据集模块允许自定义数据集，以便在更复杂的数据场景中使用。介绍Homo NN模块中数据集功能的使用，并提供如何自定义数据集的指导。我们将以MNIST手写识别任务为例来说明这些概念。准备 MNIST Data这是MNIST数据集的简化版，共有十个类别，根据标签分为0-9个文件夹，对数据集进行了采样以减少样本数量。!数据集。

原创 第十八章：联邦学习与其他前沿技术

原创 第十七章：联邦学习加速方法

原创 第十六章：联邦学习系统的通信机制

原创 第十五章：联邦学习攻防实战

联邦学习的后门攻击案例联邦学习的模型压缩案例联邦学习的差分隐私案例联邦学习的同态加密案例联邦学习的参数稀疏化案例

原创 第十四章：构建公平的大数据交易市场

原创 第十三章：联邦学习智能用工案例

原创 第十二章：联邦学习医疗健康应用案例

原创 第十一章：联邦学习在智能物联网中的应用案例

原创 第十章：联邦学习视觉案例

代码传送门

原创 第九章：联邦个性化推荐案例

原创 第八章：联邦学习在金融保险领域的应用案例

联邦学习作为一种保障数据安全的建模方法，在保险、金融等行业中的应用前景十分广泛，因为这类行业昔谝受到更为严格的监管和隐私保护法律法规的约束，跨部门或者跨枧构之间的数据，无法被直接共卓进行机器学习模型训练。因此，信助联邦学习来训练一个联邦模型不失为一种有效的解决方案。以智慧零售业务为例，智慧零售业务涉及的数据特征。通常可以分为用户资产属性、用户个人偏好，以及产品特征三大部分。这三种数据特征很可能分散在三个不同的部门或企业中。

原创 第七章：联邦学习实战资源

AngelFL的系统架构如图7-5所示，从图中可以看到，AngelFL联邦学习平台构建在Angel之上，其核心组件是Angel-PS参数服务器，整个系统是一个"去中心化“的联邦学习框架，无须依赖可信第三方，以Angel的高维稀疏训练平台作为底层，抽象出"算法协议"层，供实现各种常见机器学习算法。TensorFlow-Federated〔下面简称为TFF）是由Google开源的、基于TensorFlow实现的一款联邦学习平台架构，当前主要针对横向联邦学习的场景，特别是针对Android移动终端。

原创 第六章：用FATE从零实现纵向线性回归

本章利用FATE从零开始实现一个简单的纵向线性回归模型，本章以实验为主。与第5章一样，本章的实验运行在FATE单机版环境上，因此要求读者预先安装FATE单机版。FATE单机版的安装步骤可参考4.2节或FATE的GitHub官方文档。

原创 第五章：用FATE从零实现横向逻辑回归

本节我们使用由威斯康星州临床科学中心开源的乳腺癌肿瘤数据集（链接5-2）来测试横向联邦模型，数据集已经内置在sklearn库中，可以直接加载查看。执行代码后显示前5行的数据如图5-1所示。可以看到，数据一共由569个样本构成，每一个样本数据一共有31列，其中第1～30列表示30维的特征数据，第31列表示标签数据（用1表示良性肿瘤，0表示恶性肿瘤）。

原创 第四章：微众银行FATE平台

2019年2月，微众银行AI团队对外发布自主研发的开源项目FATE，它是一款基于Python开发的联邦学习平台，也是全球首个工业级的联邦学习开源框架。自发布以来，FATE经过多次重大更新，已经形成了一套完整的生态系统。当前FATE包括以下主要功能：提供了一种基于数据隐私保护的分布式安全计算框架（数据隐私保护也是FATE在设计过程中的首要考量目标）；为机器学习、深度学习、迁移学习等常用算法提供了高性能的安全计算支持；

原创 第三章：用Python从零实现横向联邦图像分类

但应该注意的是，PyTorch在设计时为了节省内存，没有保留中间节点的梯度值，因此，如果用户需要使用中间节点的梯度，或者自定义反向传播算法（比如Guided Backpropagation，GBP），就需要用到PyTorch的Hooks机制，包括register_hook和register_backward_hook。此外，每一轮参与联邦训练的客户端数目（k值）不同，其性能也会有一定的差别，k值越大，每一轮参与训练的客户端数目越多，性能越好，但每一轮的完成时间也会相对较长。

原创 第二章：联邦学习的安全机制

KeyGen表示密钥生成函数。对于非对称同态加密，一个密钥生成元g被输入KeyGen，并输出一个密钥对{pk,sk}=KeyGen(g),），其中pk表示用于对明文进行加密的公钥（public key），sk表示用于对密文进行解密的私钥（secret key）。对于对称同态加密，只生成一个密钥sk=KeyGen（g），用于加密和解密操作。Enc表示加密函数。对于非对称同态加密，一个加密函数以公钥pk和明文m作为输入，并产生一个密文cEncpkmcEncpk​m作为输出。

原创 第一章：联邦学习概述

1.1 数据资产的重要性1.2 背景1.3 定义1.4 分类联邦学习是：利用分散的数据集，通过隐私保护融合数据信息，协调构建全局模型的一种分布式训练方式。在模型训练过程中，模型的相关信息（如模型参数、模型结构、参数梯度等）能够在各参与方之间交换（交换方式可以是明文、数据加密、添加噪声等），但本地训练数据不会离开本地。有两个（或以上）的联邦学习参与方协作构建一个共享的机器学习模型。每一个参与方都拥有若干各自希望能够用来训练模型的训练数据。

原创 supervisor因为依赖安装失败的解决方法

大部分博客都是单独安装supervisor ，给出的方案都是用python3，用python3安装自然可行，可是执行时调用的是python2。然后又出现python2没有pip和setuptools的报错，安装却进一步发现无论如何都安装不上pip和setuptools。这里给出一种解决方法

原创 Ubuntu安装Docker(完整详细)

在Ubantu系统上安装docker的教程,详细介绍了安装流程,记录了遇到的一些问题,以及解决方法

原创 模拟行走机器人-python

leetcode第874题

原创 包含每个查询的最小区间-python

leetcode第1851题

原创 【论文】attention is all you need

在这篇文章中说明了注意力机制如何设计的，以及提到了transformer模型，以及模型效果。

原创 【论文】通过基准分析优化联邦人员重新识别的性能

这篇文章主要介绍了一种名为"FedReID"的新型联邦学习框架，用于解决人员再识别（Person ReID）中的隐私保护和数据分布不均、数据不符合独立同分布等问题。

原创 用Numpy实现简单的神经网络

实现最简单的神经网络。在此次练习中，体会神经网络的一层如何构造，体会反向传播和梯度下降法对网络更新的作用，最后探讨了小批量随机梯度下降的使用。

原创 简单做一下 银川第九届数模A题

2023银川数模A题，简单利用随机搜索做一下

原创 【C语言】程序阅读题

C语言的程序阅读题100道，代码可以直接运行，还有必要的解析

原创 数学建模练习——图与网络

数学建模基础练习——图与网络

原创 数学建模练习——动态规划

数学建模基础练习——动态规划

原创 数学建模练习——非线性规划

数学建模基础练习

原创 数学建模练习——整数规划

数学建模基础练习

原创 数学建模练习——线性规划

数学建模练习第一章——线性规划

原创 120题120分 2023数学二部分【已完结】

120题120分的数二部分

原创 python安装第三方库出错的通用解决方法

简单的介绍几种pip安装失败的解决办法

原创 浅析原神为什么成功

本文从目前游戏市场入手分析原神诞生的时代背景，通过爬取评论和调查问卷的形式研究用户喜欢原神的原因以及分析影响用户游戏时长的因素，最后对“同类型的二次元发行商和手游大厂能否再做一个原神”这样问题进行分析，最后得出目前国内游戏圈再做一个原神几乎不可能这一结论，但是未来2，3内会出现很多类原神游戏。...

原创 高校学生数学建模竞赛能力测评考试初试练习题库

在捕鱼业的产量模型中，捕捞过度包括哪种？ ( B )A. 物理学捕捞过度B. 生态学捕捞过度C. 人为捕捞过度D. 自然捕捞过度人群中分为健康者和病人两类. 时刻 t 这两类人在总人数中所占的比例分别记为s(t)和i(t). 在疾病传播期内所考察地区的总人数为N，总认为人口的出生率与死亡率相同，并且新生婴儿全为易感染的健康者,记平均出生率为n. 每个病人每天有效接触的平均人数是常数l. 当病人与健康者有效接触时，使健康者受感染变为病人，每天被治愈的病人数占病人总数的比例为常数m. 病人被..