资源名称：【开课吧】门徒计划-算法课资源简介：【开课吧】门徒计划-算法课。...

2024-02-23 scrapypython模拟登录

资源名称：机器学习算法模型推导及项目实战资源简介：机器学习算法模型推导及项目实战！...

2024-02-19

Itagram正在开发具有30种个性的人工智能聊天机器人据报道，Itagram正在开发具有30种个性的人工智能聊天机器人，这些聊天机器人将能够与用户进行自然语言对话，并提供个性化的建议和推荐。这些聊天机器人将使用机器学习技术来学习用户的喜好和兴趣，并随着时间的推移变得更加智能。Itagram计划将这些聊天机器人整合到其平台中，以帮助用户发现新内容、与朋友和家人保持联系，并获得个性化的购物推荐。这些聊天机器人还将能够回答用户的问题并提供帮助，从而改善用户的整体体验。目前，Itagram尚未公布这些聊天机器人的具体发布时间，但预计将在未来几个月内推出。这些聊天机器人的推出将标志着Itagram在人工智能领域迈出了重要一步，并有望进一步提升该平台的用户体验。这些聊天机器人可能带来的好处帮助用户发现新内容：聊天机器人可以根据用户的喜好和兴趣向他们推荐新内容，帮助他们发现新的创作者和内容类型。与朋友和家人保持联系：聊天机器人可以帮助用户与朋友和家人保持联系，发送消息、分享照片和视频，甚至进行视频通话。获得个性化的购物推荐：聊天机器人可以根据用户的喜好和兴趣向他们推荐个性化的购物产品，帮助他们找到最适合他们的产品。回答用户的问题并提供帮助：聊天机器人可以回答用户的问题并提供帮助，例如帮助他们找到特定的创作者或内容，或者帮助他们解决平台使用问题。这些聊天机器人可能带来的挑战数据隐私：聊天机器人将需要收集和分析用户的数据才能提供个性化的建议和推荐，这可能会引发数据隐私问题。假信息和虚假账号：聊天机器人可能会被用来传播假信息和虚假账号，这可能会对平台的声誉造成负面影响。道德和偏见：聊天机器人可能会受到训练偏见的影响，从而产生不公平或有偏见的结果。Itagram需要仔细考虑这些聊天机器人可能带来的好处和挑战，并采取适当的措施来应对这些挑战。...

2024-01-09 聊天机器人软件 聊天机器人在线聊天

Itagram正在测试一种无需使用第三方应用程序即可预览照片网格的方法Itagram正在测试一种无需使用第三方应用程序即可预览照片网格的新方法。此前，用户必须借助第三方应用程序才能实现照片网格的预览功能，而现在，这一功能将直接集成到Itagram的应用程序中。这项新功能将允许用户在发布照片之前预览照片网格的最终效果。用户可以通过点击“网格”按钮来访问照片网格预览功能。然后，用户可以将照片拖放到网格中，并调整照片的大小和位置。照片网格预览功能还允许用户添加过滤器和文本。这项新功能目前正在一小部分用户中进行测试。如果测试结果良好，Itagram可能会将这项新功能推向所有用户。照片网格预览功能将使Itagram用户更容易创建和分享照片网格，从而提升用户体验。以下是照片网格预览功能的一些潜在优势：允许用户在发布照片之前预览照片网格的最终效果。使用户更容易创建和分享照片网格。提升用户体验。以下是照片网格预览功能的一些潜在挑战：可能需要占用更多的存储空间。可能需要更多的处理能力。可能导致应用程序的运行速度变慢。总体来说，照片网格预览功能是一个有用的新功能，可以使Itagram用户更容易创建和分享照片网格。不过，这项新功能也存在一些潜在挑战，例如可能需要占用更多的存储空间和处理能力。...

2024-01-08 ins网格照片墙怎么安装 ins网格图片

Itagram的错误内容激怒了用户Itagram最近因其错误内容而受到用户的强烈反对。许多用户抱怨他们在平台上看到带有仇恨、暴力和虚假信息的帖子。这导致一些用户删除了他们的Itagram账户，而另一些用户则呼吁抵制该平台。错误内容的来源Itagram上的错误内容来自多种来源。其中一些内容由平台上的用户创建，而另一些内容则由外部网站和应用程序共享。Itagram的算法也起到了作用，该算法会将用户更有可能感兴趣的内容推送给他们。错误内容对用户的影响错误内容可能会对用户产生多种负面影响。它可能导致焦虑、抑郁和创伤后应激障碍（PTSD）。它还可能导致用户对世界的负面看法，并使他们更有可能参与仇恨言论和暴力行为。Itagram的回应Itagram对错误内容的回应一直备受批评。该公司被指责反应迟缓，并且没有采取足够的措施来解决问题。然而，Itagram表示正在努力解决这个问题，并已采取多项措施来减少平台上的错误内容数量。用户可以采取的措施用户可以采取多种措施来保护自己免受Itagram上的错误内容的影响。他们可以屏蔽发布错误内容的用户，也可以向Itagram举报这些内容。他们还可以限制自己在平台上花费的时间，或者完全删除他们的账户。结论Itagram上的错误内容是一个严重的问题，可能会对用户产生多种负面影响。Itagram需要采取更多措施来解决这个问题，而用户也可以采取措施来保护自己免受错误内容的影响。...

2024-01-08

WidowXP激活算法破解可离线使用简介WidowXP操作系统是一款由微软公司开发的操作系统，于2001年10月25日发布。WidowXP具有稳定性好、兼容性强、运行速度快等优点，在当时受到了广大用户的欢迎。但是，WidowXP系统需要激活才能正常使用，而激活流程需要联网进行。对于一些无法连接到互联网的电脑来说，激活WidowXP系统就成了一件麻烦事。破解算法2009年，一位名叫SlaviMariov的保加利亚程序员破解了WidowXP的激活算法。该算法的原理是通过修改系统注册表中的某些值来欺骗系统，使系统认为已经激活。离线激活步骤下载WidowXP激活工具。将WidowXP激活工具复制到电脑中。运行WidowXP激活工具。选择“离线激活”选项。单击“激活”按钮。等待激活过程完成。常见问题激活工具是否安全？WidowXP激活工具是一个安全的工具，它不会对系统造成任何损害。激活后，系统是否仍然稳定？激活后，系统仍然稳定，不会出现任何问题。激活后，系统是否仍然可以更新？激活后，系统仍然可以更新，但只能更新安全补丁，无法更新功能更新。结语WidowXP激活算法破解可离线使用，这为无法连接到互联网的电脑提供了激活WidowXP系统的解决方案。该激活工具安全可靠，不会对系统造成任何损害。...

2024-01-08 算法工程师 算法工程师培训

WidowXP激活算法破解可离线使用在WidowXP时代，微软采用了WPA（WidowProductActivatio）来激活Widow系统，用户需要在安装WidowXP系统后，通过互联网或电话向微软激活服务器激活系统，否则系统会进入有限功能模式，无法正常使用。然而，随着时间的推移，微软不再提供WidowXP的激活服务器，这导致了许多用户无法激活WidowXP系统。为了解决这个问题，有人破解了WidowXP的激活算法，并开发了离线激活工具，用户可以使用这些工具来离线激活WidowXP系统，无需连接互联网或拨打微软激活电话。有许多不同的WidowXP离线激活工具可用，但最受欢迎的是KMSAutoNet。这个工具是由俄罗斯程序员研发，它可以自动激活WidowXP系统，无需用户输入任何信息。要使用KMSAutoNet激活WidowXP系统，请按照以下步骤操作：下载并安装KMSAutoNet工具。运行KMSAutoNet工具。选择“激活”选项。单击“激活”按钮。KMSAutoNet工具将自动激活WidowXP系统。激活过程可能需要几分钟时间。一旦WidowXP系统被激活，您就可以正常使用它了。注意：使用WidowXP离线激活工具激活WidowXP系统可能會違反微软的服務條款。使用WidowXP离线激活工具激活WidowXP系统可能会导致您的系统出现问题。在使用WidowXP离线激活工具之前，请务必备份您的重要数据。...

2024-01-08 windowsxp 微软不支持 微软系统xp

课程来自学堂在线的邓俊辉算法训练营第二期+第三期（课程大小约100GB），邓俊辉老师主讲，本套课程经过针对性实战演练，并通过大数据反馈，帮助大家学习掌握算法，算法往往是大家在往高阶上升到过程中的绊脚石，如在国内外知名IT企业的面试过程中，算法好像成为了必考题，由于其学习难度到，导致很多人望而却步。网盘截图：算法训练营第三期目录：├─1第0周：调整姿势，迎接算法挑战│1专题课扬帆起航，开启算法之旅.m4│1习题课：最大红矩阵.m4│1习题课：直方图最大面积.m4│1解题指南：如何提交作业￥栈排序习题解答.m4│├─2第1周：初入宝山，窥探算法奥秘│2（1A-1022）：开课啦，邓公带我飞.m4│2（1B-1023）：第二课，跟着邓公有肉吃.m4│习题课：1024程序猿节，听小徐老师讲做题.m4│习题课：1025，听小王老师讲做题.m4│习题课：1026，小徐讲题666~.m4│├─3第2周：渐入佳境，领略算法之美│习题课：1031又到月末，听小徐老师讲做题.m4│习题课：1101新的月份，从听小徐老师讲题开始.m4│习题课：1102学习大佬，听小王老师讲题.m4│（2Amdah1028）：渐入佳境，跟邓公学新武功.m4│（2Bmdah1029）：别拦着我，我就喜欢学算法：）.m4│├─4第3周：坚持不懈，修炼算法内功│习题课：1107立冬时节，听小徐老师讲做题.m4│习题课：1108听小徐老师讲做题.m4│习题课：1109听小王老师讲做题.m4│（3Amdah1104）：坚持不懈，迎接第三周.m4│（3Bmdah1105）：坚持不懈，动态规划.m4│├─5第4周：持续烧脑，精研算法之妙│习题课：1114如鱼得水，听小徐老师讲做题.m4│习题课：1115如鱼得水，听小徐老师讲做题.m4│习题课：1116如鱼得水，听小王老师讲做题.m4│（4Amdah1111）：持续烧脑，领悟算法奥妙.m4│（4Bmdah1112）：不要拦我，我还要写代码.m4│├─6第5周：蓄力前行，勇攀算法高峰│【12月11日】期末考试试题评讲.m4│习题课：1121听小徐老师讲做题.m4│习题课：1122听小徐老师讲做题.m4│习题课：1123听小王老师讲做题.m4│小罗老师的辅导课：作业讲解am期末答疑.m4│（5Amdah1118）：蓄力前行，绝不放弃.m4│（5Bmdah1119）：欲成大佬，把握今宵.m4│└─课件和代码├─代码│└─课件算法训练营第二期目录：┣━━第0周[8.1G]┃┣━━解题指南am体验课习题讲解.m4[1.6G]┃┣━━体验课：开启算法之旅.m4[2.1G]┃┗━━坐而论道：清华数据结构的新百年】.m4[4.3G]┣━━第1周[31.7G]┃┣━━1.算法训练营开课了.m4[8.4G]┃┣━━2.第二课A】.m4[3.3G]┃┣━━2.算法训练营第二课B.m4[6.7G]┃┣━━3.小徐老师带你做习题1(音频速度快100秒).m4[4.1G]┃┣━━4.小王老师带你做习题】.m4[4.6G]┃┗━━5.小徐老师带你做习题2】.m4[4.6G]┣━━第2周[8G]┃┣━━1.渐入佳境：开启第二周的学习A(多录了120分钟).m4[3.2G]┃┣━━2.算法训练营第二周.m4[2.4G]┃┣━━3.不能错过的习题课(丢失最后五分钟).m4[1G]┃┣━━4.小王老师的习题课A.m4[566.5M]┃┗━━4.小王老师的习题课B.m4[790.6M]┣━━第3周[11.8G]┃┣━━527坚持就是胜利.m4[2.1G]┃┣━━528第三周第二课.m4[3.4G]┃┣━━530小徐老师带你做习题.m4[2.2G]┃┣━━531师带你做习题.m4[2.4G]┃┗━━儿童节：小王老师带你做习题.m4[1.7G]┣━━第4周[13G]┃┣━━603邓老师陪你学算法A(1).m4[917.5M]┃┣━━603邓老师陪你学算法A(2)(和上一节视频中间差5分钟所以分开录制).m4[312.5M]┃┣━━603邓老师陪你学算法B.m4[1.7G]┃┣━━604邓老师陪你学算法.m4[2.8G]┃┣━━606小徐老师带你打倒习题大魔王.m4[3.8G]┃┣━━607小徐老师带你重温被高考支配的恐惧.m4[2G]┃┗━━608小王老师来讲题.m4[1.5G]┣━━第5周[9.3G]┃┣━━610最后一周，坚持就是胜利.m4[2.1G]┃┣━━611邓老师带你学算法几何】.m4[2.4G]┃┣━━613小徐老师带你搞定习题】.m4[1.7G]┃┣━━614小徐老师最后一讲.m4[1.7G]┃┗━━615最后一课，新的开始.m4[1.5G]┗━━课件[54.8M]┣━━1.df[5.4M]┣━━2.df[3.6M]┣━━3.df[6.3M]┣━━4.df[4.1M]┣━━5.df[5.4M]┣━━6.df[6.2M]┣━━7.df[4.1M]┣━━8.df[5.5M]┣━━9.df[5.7M]┣━━10.df[2.7M]┣━━11.df[3M]┗━━12.df[2.8M]资源下载文件1地址点击下载提取码：eu6w【解压密码：zx-cc.et】复制如有发现链接失效，请联系站长...

2023-12-27 小徐课堂 小徐小徐

标题：研究人员的算法设计出具有感知能力的软机器人，开启机器人和人类交互的新篇章导言：随着机器人技术的发展，软机器人正在成为一个备受关注的研究领域。软机器人具有重量轻、灵活性和安全性等优点，使其非常适合与人类互动。然而，传统的软机器人通常缺乏感知能力，限制了它们的应用范围。为了解决这一问题，研究人员开发出一种新的算法来设计具有感知能力的软机器人。算法简介：这种新的算法利用了机器学习技术来构建软机器人的感知系统。该算法首先收集大量的数据，这些数据包括软机器人的运动信息、周围环境的信息以及软机器人与人类交互的信息等。然后，算法利用这些数据来训练一个神经网络模型。这个神经网络模型能够学习到软机器人与周围环境之间的关系，并能够根据这些关系来预测软机器人应该如何运动。应用潜力：这种具有感知能力的软机器人具有广泛的应用潜力。例如，它可以被用作医疗机器人来进行手术或康复治疗。它还可以被用作辅助机器人来帮助老年人或残疾人完成日常任务。此外，它还可以被用作玩具或娱乐机器人来为人们带来欢乐。结论：研究人员开发的这种新的算法为软机器人的发展开辟了新的道路。具有感知能力的软机器人将能够更好地与人类互动，从而为机器人和人类交互带来新的可能性。随着该算法的进一步完善，软机器人很可能会在不久的将来成为我们生活中不可或缺的一部分。...

2023-12-21 算法机器人 算法机器人是什么

Itagram用户现在可以使用生成式人工智能来制作故事背景Itagram在最近的一次更新中为其用户引入了生成式人工智能的新功能，允许他们使用人工智能技术创建独特和引人入胜的故事背景。这一功能名为“Story背景生成器”，它可以根据用户输入的文本或图像生成一个新的、原创的图像，该图像可以用来作为Itagram故事的背景。生成式人工智能是一类能够生成新数据的算法。这些算法可以用于各种任务，包括图像生成、文本生成和音乐生成。Itagram的“Story背景生成器”功能使用生成式人工智能来根据用户输入的文本或图像生成新的图像。要使用“Story背景生成器”功能，用户可以使用Itagram应用程序在故事创作页面上点击“背景”按钮，然后选择“生成背景”。然后，用户可以输入一个文本提示或选择一张图像作为参考，人工智能算法将使用这些信息生成一个新的图像。用户可以使用生成的新图像作为Itagram故事的背景。Itagram的故事背景生成器是一个强大的新工具，它可以帮助用户创建独特和引人入胜的内容。这个功能对于希望在Itagram上脱颖而出的内容创作者来说非常有用。生成式人工智能技术正在迅速发展，并有望在未来几年内对我们的生活产生重大影响。Itagram的故事背景生成器功能只是生成式人工智能技术的第一个例子。随着技术的进一步发展，我们可以期待看到更多有趣和创新的应用。生成式人工智能对艺术和设计的影响生成式人工智能的兴起对艺术和设计领域产生了重大影响。艺术家和设计师现在可以使用生成式人工智能技术来创建新的、原创的作品，这是以前无法想象的。生成式人工智能可以用于各种艺术和设计任务，包括：**图像生成：**生成式人工智能算法可以根据文本提示或图像生成新的图像。这些算法可以创建各种风格的图像，从写实的到抽象的。**文本生成：**生成式人工智能算法可以根据一个特定的主题或风格生成新的文本。这些算法可以创建各种类型的文本，包括诗歌、故事和新闻报道。**音乐生成：**生成式人工智能算法可以根据一个特定的风格或主题生成新的音乐。这些算法可以创建各种类型的音乐，从古典音乐到电子音乐。生成式人工智能技术有望对艺术和设计领域产生革命性影响。随着技术的进一步发展，艺术家和设计师将能够使用生成式人工智能技术创建出更加独特、引人入胜和创新的作品。生成式人工智能的伦理问题生成式人工智能技术也带来了一些伦理问题。这些问题包括：**版权问题：**生成式人工智能算法通常使用受版权保护的数据进行训练。这意味着由生成式人工智能算法创建的作品可能会侵犯他人的版权。**偏见问题：**生成式人工智能算法可能会学习和放大训练数据中的偏见。这意味着由生成式人工智能算法创建的作品可能会反映这些偏见。**失业问题：**生成式人工智能技术可能会导致某些工作岗位的消失。例如，生成式人工智能算法可以用来创建图像和文本，这可能会导致艺术家和作家的失业。生成式人工智能的伦理问题是一个复杂的问题。在这个领域需要更多的研究和讨论，以找到解决这些问题的办法。...

2023-12-20 instagram算法 ins是什么算法

图书名称：《高硬度材料的高压物性算法》【作者】雷慧茹【页数】159【出版社】长春：吉林大学出版社,2021.04【ISBN号】978-7-5692-8389-1【价格】68.00【参考文献】雷慧茹.高硬度材料的高压物性算法.长春：吉林大学出版社,2021.04.图书封面：《高硬度材料的高压物性算法》内容提要：...

2023-12-12 mom算法 moea算法

国学易经-四柱八字算法实战班54讲完结《易经》是中华民族智慧的结晶。[1]其从整体的角度去认识和把握世界，把人与自然看做是一个互相感应的有机整体，即“天人合一”。《易经》长期被用作“卜筮”。“卜筮”就是对未来事态的发展进行预测，而《易经》便是总结这些预测的规律理论的书。《易经》被誉为诸经之首，是中华传统文化的总纲领。含盖万有，纲纪群伦，是中华文化的杰出代表；广大精微，包罗万象，亦是中华文明的源头。目录：国学易经-四柱八字算法实战班54讲完结百度网盘分享├─01W01-1阴阳论的基调_ev.m4├─02W01-2五行生克_ev.m4├─03W01-3五行增运学_ev.m4├─04W01-4五行与颜色_ev.m4├─05W02-1五行与方位_ev.m4├─06W02-2五行与五脏_ev.m4├─07W02-3五行与情绪_ev.m4├─08W02-4从五行角度解读八字_ev.m4├─09W02-5从五行断八字强弱_ev.m4├─10W03-1十天干看五行与性格_ev.m4├─11W03-2十天干的冲克与化合_ev.m4├─12W03-3天干的合化条件（实战）_ev.m4├─13W03-4十二地支对应的生肖_ev.m4├─14W03-5十二地支、五行时辰_ev.m4├─15W04-1地支藏天干（上）_ev.m4├─16W04-2地支藏天干（下）_ev.m4├─17W04-3日主与四季旺衰的关系_ev.m4├─18W04-4月令看性格与健康_ev.m4├─19W04-5地支六冲_ev.m4├─20W05-1地支六合_ev.m4├─21W05-2三合化局_ev.m4├─22W05-3三会局_ev.m4├─23W05-4相刑_ev.m4├─24W05-5六害与六破_ev.m4├─25W06-1地支合化条件（实战）_ev.m4├─26W06-2解盘步骤、大运流年_ev.m4├─27W06-4捉用神基本原理（1）_ev.m4├─28W6-5用刑冲克害合风水布局（实战）_ev.m4├─29W07-1十神的各个含义、功能（1）_ev.m4├─30W07-2十神的各个含义、功能（2）_ev.m4├─31W07-3十神的生克_ev.m4├─32W07-4正财—财多身弱、财来财去_ev.m4├─33W07-5偏财—创业老板、破产、负债_ev.m4├─34W08-1十神—子女、才华、口才、生财、学业_ev.m4├─35W08-2伤官—有鬼才、女命、婚姻不利、男命自负、欲望强_ev.m4├─36W08-3正官—官运、事业、婚姻、名气_ev.m4├─37W08-4七杀—功名、灾难、情人、官非小人_ev.m4├─38W08-5正印—靠山、贵人、学业、懒惰愚钝_ev.m4├─39W09-1偏印—天赋、天才、孤独、自负_ev.m4├─40W09-2比肩—帮扶贵人、固执、墨守成规_ev.m4├─41W09-3劫财—合作、破财_ev.m4├─42W09-5十神看财运、官运事业_ev.m4├─43W10-1食神-子女、才华、口才、生财、学业_ev.m4├─44W10-2六亲关系沟通与化解_ev.m4├─45W10-3六亲看行为的底层信念系统_ev.m4├─46W10-5八字命局的方法与要领_ev.m4├─47W11-2大运流年调理_ev.m4├─48W11-3捉用神基本原理（2）——找病根_ev.m4├─49W11-4实战及训练教学命理分析_ev.m4├─50W11-5人事物基础平衡实战训练教学_ev.m4├─51W12-1吃穿住行基础平衡实战训练教学_ev.m4├─52W12-2财富动态平衡实战训练教学_ev.m4├─53W12-3事业发展动态平衡实战训练教学_ev.m4└─54W12-5家庭关系动态平衡实战训练教学_ev.m4...

2023-05-31 易经十神代表什么意思 易经十神对照表

课程介绍课程来自于交个朋友抖音运营之《0基础入门——千川投放》13节视频带你0基础入门千川投流算法机制13节视频带你0基础入门千川投流算法机制，直播间推流的本质与推流数量底层逻辑，直播间实现付费起号的核心逻辑计划搭建，千川投放差异化人群完成高ROI提升长效经营，干川投放撬动免费流量完成GMV提升。文件目录01.m402.m403.m404.m405.m406.m407.m408.m409.m410.m411.m412.m413.m4直播带货...

2023-05-21 千川算法 千川算法逻辑

图书名称：《联邦学习算法详解与系统实现》【作者】薄列峰，（美）黄恒，顾松庠，陈彦卿著【丛书名】智能科学与技术丛书【出版社】北京：机械工业出版社,2022.04【ISBN号】978-7-111-70349-5【价格】99.00【分类】机器学习【参考文献】薄列峰，（美）黄恒，顾松庠，陈彦卿著.联邦学习算法详解与系统实现.北京：机械工业出版社,2022.04.图书封面：图书目录：《联邦学习算法详解与系统实现》内容提要：本书将从联邦学习概念、应用场景到具体的先进算法，再到系统实现，对该技术进行全盘梳理与总结……《联邦学习算法详解与系统实现》内容试读第一部分联邦学习基础知识CHAPTERI第章联邦学习概述随着人们对个人隐私泄露的担忧以及相关法律法规的出台，传统的人工智能技术急需适应新形势、新情况。联邦学习(FederatedLearig,FL)作为其中一种技术上的解决方案备受学术界和工业界人士的关注。本章将对联邦学习进行全面的介绍，以期达到服务大众、服务读者的目的1.1什么是联邦学习2016年是人工智能(ArtificialItelligece,AI)成熟的一年。随着AlhaGo击败人类顶级围棋手，我们真正见证了人工智能的巨大潜力，并开始期待更复杂、更尖端的人工智能技术可以应用在更多的领域，包括无人驾驶、生物医疗、金融等。如今，人工智能技术在各行各业都显示出了优势。最新的AlhaFold2技术甚至可以预测35万种蛋白质结构，这些结构涵盖了98.5%的人类蛋白质组。然而，这些技术的成功大都以大量的数据为基础。比如计算机视觉领域中图像分类、目标检测等技术的发展离不开众多大规模的图片数据集，如ImageNet、COCO和PASCALVOC。在自动驾驶领域，众多国内外厂商积累了数十万公里的道路测试数据。AlhaGo在2016年总共使用了30万场游戏的数据作为训练集。随着AlhaGo的成功，人们自然希望像AlhaGo这样的由大数据驱动的人工智能技术能够很快在生活中应用起来。然而，现实有些令人失望：除了少数行业，大多数领域只拥有有限的数据或质量较差的数据，这使A虹技术的落地比我们想象的更困难。是否可以通过跨组织传输数据，将数据融合在一个公共站点中呢？事实上，在许多情况下，打破数据源（数据拥有者）之间的障碍是非常困难的，甚至是不可能的。一般来说，任何A虹项目所需的数据都包含多种类型。例如，在人工智能技术驱动的产品推荐服务中，产品销售者拥有产品信息、用户购买数据，但没有描述用户购买能力和支付习惯的数据。在大多数行业中，数据以孤岛的形式存在。由于行业竞争、隐私安全、复杂的管理程序等，即使是第1章联邦学习概述3同一公司不同部门之间的数据集成也面临着巨大的阻力，要整合分散在全国各地的数据和机构几乎是不可能的，或者在成本上是不可行的。与此同时，随着越来越多的公司意识到损害数据安全和用户隐私的严重性，数据隐私和安全己成为全球性的重大问题。公共数据泄露的相关新闻引起了公共媒体和政府的极大关注，如2018年国外某社交网站的数据泄露事件引发了广泛关注。作为回应，世界各国都在完善保护数据安全和隐私的法律。例如，欧盟于2018年5月25日实施的《通用数据保护条例》(GeeralDataProtectioRegulatio,GDPR)。GDPR(见图l-l)旨在保护用户的个人隐私和数据安全，要求企业在用户协议中使用清晰明了的语言，并授予用户“被遗忘权”，即用户的个人数据可以被删除或撤销，违反该条例的公司将面临高额罚款。我国也在实施类似的隐私和安全措施。例如，我国于2017年颁布的《网络安全法》和《民法通则》规定，互联网企业不得泄露或篡改其收集的个人信息，在与第三方进行数据交易时，需要确保拟议的合同遵守数据保护法律义务。这些法规的建立显然有助于建立个更文明的社会，但也对人工智能中常用的数据交易程序提出了新的挑战。GDPR2衫My2010图1-1GDPR具体来说，人工智能中的传统数据处理模型往往涉及简单的数据交易模型，一方收集用户数据并将数据传输给另一方，另一方负责清理和融合数据。最后，第三方将利用集成的数据来建立模型以供其他方使用。模型通常作为服务出售的最终产品。这一传统的流程面临上述新的数据法规的挑战。此外，由于用户可能不清楚这些模型的未来用途，这些交易可能会违反GDPR等法律法规的规定。结果，数据使用方会面临这样一个困境一数据以孤岛的形式存在，但在很多情况下，数据使用方被禁止收集、融合或者将数据传输给其他组织或个人进行AI处理。因此，如何合法合规地解决数据碎片化和孤岛问题，是人工智能研究人员和从业者将要面临的一个重要挑战。1.1.1联邦学习的发展历史联邦学习这个术语是由McMaha等人在2016年的论文中引入的：我们将我们的方法称为联邦学习，因为学习任务是通过由中央服务器协调的参与方设备（我们称之为客户机，即Cliet)的松散联邦来完成的。联邦学习：算法详解与系统实现跨大量通信带宽有限的不可靠设备的一些不平衡且非独立同分布(IdeedetlyadIdeticallyDitriuted,IID)数据的划分是联邦学习面临的挑战。在联邦学习这个术语出现之前，一些重要的相关工作已经开展。许多研究团体（来自密码学、数据库和机器学习等多个领域)追求的一个长期目标是分析和学习分布在许多所有者之间的数据，而不泄露这些数据。在加密数据上计算的加密方法始于20世纪80年代早期（参考Rivet等人于l982年发表的文章)，Agrawal、Srikat和Vaidya等人是早期尝试使用集中式服务器从本地数据中学习并同时保护隐私的典范。相反，即使自引入联邦学习这个术语以来，我们也没有发现任何一项研究工作可以直接解决FL面临的所有挑战。因此，术语“联邦学习”为这些经常在隐私敏感的分布式数据（又称中心化数据）的机器学习(MachieLearig,ML)应用问题中共同出现的特征、约束和挑战等提供了方便的简写。在联邦学习领域，许多开放式挑战的一个关键属性是，它们本质上是跨学科的。应对这些挑战可能不仅需要机器学习，还需要分布式优化、密码学、安全性、差分隐私、公平性、压缩感知、信息理论、统计学等方面的技术。许多最棘手的问题都处在这些学科的交叉点上，因此我们相信，各领域专家之间的协作对联邦学习的持续发展至关重要。联邦学习最开始被提出时，在移动和边缘设备等应用场景备受关注。之后，联邦学习的应用场景越来越多，例如，多个组织协同训练一个模型。联邦学习的上述相关变化引申出更广泛的定义。定义联邦学习是一种机器学习设置，其中多个实体（客户端）在中央服务器或服务提供商的协调下协同解决机器学习问题。每个客户端的原始数据都存储在本地，并且不会交换或直接传输；取而代之的是，使用旨在即时聚合的有针对性的更新迭代来实现学习目标。有针对性的更新是指狭义的更新，以包含特定学习任务所需的最少信息；在数据最小化服务中，尽可能早地执行聚合操作。虽然对数据隐私保护的研究已经超过50年，但在最近l0年才有广泛部署的大规模解决方案（例如Raor)。跨设备联邦学习和联邦数据分析正在应用于消费数字产品中。例如Goard移动键盘以及Pixel手机和AdroidMeage中广泛使用了联邦学习；又例如在iOS13中，跨设备FL被应用于QuickTye键盘和Si的声音分类器等应用中。跨信息孤岛的一些应用在各领域提出，包括金融风险预测、药物发现、电子健康记录挖掘、医疗数据分割和智能制造。对联邦学习技术不断增长的需求激发了许多工具和框架的出现，包括TeorFlowFederated、FATE(FederatedAITechologyEaler)、PySyft、Leaf、PaddleFL和ClaraTraiigFramework等。关于各种框架之间的异同，读者可参考Kairouz等人2019年发表的综述。一些成熟的技术公司和较小的初创公司也正在开发利用联邦学习技术的商业数据平台。1.1.2联邦学习的工作流程在介绍联邦学习(FL)的训练过程之前，我们先考虑一个FL模型的生命周期。F工过程通常是由为特定应用程序开发模型的工程师驱动的。例如，自然语言处理领域的专家第1章联邦学习概述5可以开发一个用于虚拟键盘的下一个单词预测模型。图1-2显示了联邦学习的主要组件和参与者。从更高层次上看，典型的工作流程如下。管理员模型测试客户端服务器端模型部署分发联邦学习工程师回和分析师图1-2FL模型生命周期和联邦学习系统参与者口问题识别：模型工程师识别出需要用FL解决的问题。口客户端检测：如果需要的话，客户端（例如手机上运行的应用程序）将在本地存储必要的训练数据（有时间和数量限制）。在很多情况下，应用程序已经存储了这些数据（例如，一个短信应用程序已经存储短信，一个照片管理应用程序已经存储照片)。然而，在某些情况下，可能需要维护额外的数据或元数据，例如用户交互数据，以便为监督学习任务提供标签。口仿真原型（可选）：模型工程师可以使用代理数据集在FL模拟中对模型架构进行原型化并测试学习超参数。口联邦模型训练：启动多个联邦训练任务来训练模型的不同变体，或使用不同的超参数优化。口联邦模型评估：在任务得到充分训练之后（通常是几天），对模型进行分析并选择合适的候选者。模型分析可能包括在数据中心的标准数据集上计算指标或者联邦评估，其中模型被推送到保留的客户端，以对本地客户端数据进行评估。口部署：最后，一旦一个好的模型被选中，它将经历一个标准的模型发布过程，包括手动质量保证、实时A/B测试（通常是在一些设备上使用新模型，在其他设备上使用上一代模型来比较它们的性能)，以及阶段性推出（以便在影响太多用户之前发现和回滚不良行为)。模型的特定启动过程是由应用程序的所有者设置的，通常与模型是如何训练的无关。换句话说，这个步骤同样适用于经过联邦学习或传统数据中心方法训练的模型。FL系统面临的主要挑战之一是如何使上述工作流程尽可能简单，理想地接近集中训练(CetralizedTraiig)的ML系统所达到的易用性。6联邦学习：算法详解与系统实现接下来，我们将详细介绍一种常见的FL训练过程，它可以涵盖McMaha等人提出的联邦平均(FederatedAveragig)算法和许多其他算法。服务器（服务提供者）通过重复以下步骤来安排训练过程，直到训练停止（由监视训练过程的模型工程师自行决定)：口客户端选择：服务器从满足资格要求的一组客户端中抽取样本。例如，为了避免影响正在使用设备的用户，手机可能只有在插电、使用不计流量的WF连接且处于空闲状态时才会连接到服务器。口广播：选定的客户端从服务器下载当前的模型权重和一个训练程序（例如Teor-FlowGrah).口客户机计算：每个选定的设备通过在本地执行训练程序对模型进行更新，例如，训练程序可以在本地数据上运行SGD(如FederatedAveragig算法)。口聚合：服务器对设备的更新进行聚合。为了提高效率，一旦有足够数量的设备报告了结果，可能会删除掉队的设备。这一阶段也是许多其他技术的集成点，这些技术将在后面讨论，可能包括用于增强隐私的安全聚合、用于提高通信效率而对聚合进行的有损压缩，以及针对差分隐私的噪声添加和更新裁剪。口模型更新：服务器基于从参与当前轮次的客户端计算出的聚合更新，在本地更新共享模型。客户机计算、聚合和模型更新阶段的分离并不是联邦学习的严格要求，但它确实排除了某些算法类，例如异步SGD,即在使用其他客户机的更新进行任何聚合之前，每个客户机的更新都立即应用于模型。这种异步方法可能会简化系统设计的某些方面，而且从优化角度来看也是有益的。然而，上述训练过程在将不同研究方向分开考虑时具有很大的优势：压缩、差分隐私和安全多方计算的进步可以用于基础操作，如通过去中心化更新的方法计算和或均值，然后由任意优化或分析算法组合，只要这些算法以聚合操作的形式表示即可。值得强调的是，联邦学习的训练过程不应该影响用户体验。首先，如上所述，尽管模型参数通常会在每一轮联邦训练的广播阶段被发送到一些设备上，但这些模型只是训练过程中的一部分，不用于向用户显示实时预测。这是至关重要的，因为训练ML模型是具有挑战性的，而且一个超参数的错误配置可能产生一个做出错误预测的模型。相反，用户可见的模型使用被推迟到模型生命周期的第6步“部署”中的阶段性推出过程中。其次，训练本身是对用户不可见的，如在客户端选择步骤中描述的那样，训练不会使设备变慢或耗尽电池，因为它只在设备空闲和连接电源时执行。然而，这些限制所带来的有限可用性直接导致开放式的研究挑战，如半循环数据可用性(Semi-CyclicDataAvailaility)和客户端选择中可能存在的偏见。1.1.3联邦学习的分类根据样本和特征的分布方式不同，我们可以将联邦学习划分为两类：横向联邦学习···试读结束···...

2023-05-15 联邦国际快递 联邦快递单号查询

YouTue视频推荐算法(Algorithm)详解YouTue推荐机制，帮你获得更多流量文件目录/网站共享5/097.YouTue视频推荐算法(Algorithm)详解YouTue推荐机制，帮你获得更多流量|├──视频教程.m497.0MB...

2023-04-10 二次创作youtube到抖音可以吗 二次创作 游戏 诉讼