转自CCF，网址：https://dl.ccf.org.cn/lecture/lectureDetail?id=4841322416883712
摘要：联邦学习通过将机器学习的计算分散到参与各方的数据库上进行加密的分布式计算，从而可以在不影响数据安全或用户隐私的情形下破解数据孤岛壁垒、实现数据共享。在现实的设计中，数据联邦需要提供足够的经济激励以保证联邦的参与者有激励一直保持参与。因此我们提出联邦学习的机制设计这个问题，来探讨数据联邦应该采取的最优组织和奖励结构。我们首先将提出一个研究联邦学习的奖励机制设计的基本框架，包括核心概念以及它们对应的在联邦学习环境下的数学定义。其次，我们将对联邦学习的奖励机制设计问题按照机制的设定和性质进行分类。最后，我们会给出一些基准定理，帮助联邦学习的从业者在不深入了解博弈论的情形下就能按照他们的最优化目标以及现实场景，选择不同种类的奖励机制。
2021-04-16 11:23:32
984KB
1
2020 CCF非专业级别软件能力认证第一轮 (CSP-J)入门级 C++B卷试题答案及解析
2021-04-13 15:03:40
2.37MB
转自CCF，网址：https://dl.ccf.org.cn/lecture/lectureDetail?id=4663476289865728。
摘要：利用可解释推理机制对知识图谱进行推断是一个非常重要的问题，已受到广泛关注。本报告提出一种新型的知识图谱学习框架 CognitiveGraph, 该框架建立在认知科学dual process 理 论基础上，通过协调内涵抽取模块和外延推理模块迭代构建认知图谱，并且给出了一种可解释推理路径。CognitiveGraph 框架的实现基于 BERT 和图神经网络 GNN, 能够有效的处理超大规模节点网络，已经成功应用于许多领域，包括基于推理的问答系统 ( HotpotQA ) ，表现出相对现有方法最好的性能。
2021-04-12 23:36:46
1.76MB
1