关键词：区块链、众包(crowdsourcing)、差分隐私、联邦学习、物联网、移动边缘计算 主要贡献： 1）提出一个分层的众包联邦学习系统来建立机器学习模型，以帮助家电商提高服务质量和优化家电功能。 2）提出了一个新的标准化技术，它比批量标准化提供了更高的测试精度，同时保留了每个参与者数据的提取特征的隐私。此外，通过利用差分隐私，防止对手利用学习模型来推断客户的敏感信息。 3）基于区块链的系统通过确保所有的模型更新可追责来防止恶意模型攻击。

基于编码器的终身学习 介绍 该代码实现了终身学习的方法。 它基于我们的工作，引入了一种新的终身学习解决方案，其中针对一系列任务训练单个模型。 在这种情况下，视觉系统面临的主要挑战是灾难性的遗忘：由于它们倾向于适应最近出现的任务，因此在先前学习的任务上会失去性能。 我们的方法旨在在使用自动编码器学习新任务的同时，保留先前任务的知识。 对于每个任务，都会学习一个不完整的自动编码器，并捕获对其完成至关重要的功能。 当向系统提出新任务时，我们防止使用这些自动编码器的功能重构发生变化，这具有保留以前任务主要依赖的信息的作用。 同时，为这些特征提供了空间以适应最新环境，因为仅控制了它们向低维子流形的投影。 所提出的系统在图像分类任务上得到了评估，并减少了对最新技术的遗忘。 先决条件 的MATLAB MatConvNet（ ）-代码基于1.0-beta23版本。 GPU：应与4G的gpu内存配合

vue3-ts-template 基于vue3，TypeScript，Webpack5的开发环境模版 特点： 基于webpack5自定义项目结构 基于vue3开发，引入vue全家桶 使用ts编写文件，增强类型 Development environment template based on vue3, typescript and webpack 5 characteristic: Customize project structure based on webpack5 Based on the development of vue3, the introduction of vue3 Use ts to write files and enhance types use 使用 安装依赖 yarn 运行项目 yarn dev 打包 yarn build 文件信息 webpack.com

参考： GZ Karabulut 和 A. Yongacoglu，“使用正交匹配追踪算法进行稀疏信道估计”，IEEE 第 60 届车辆技术会议，2004 年。VTC2004-Fall。 2004 年，加利福尼亚州洛杉矶，2004 年，第 3880-3884 卷。 6.

matlab设置图片分辨率代码 Image attack recognition system based on watermark and convolutional neural networks 0x00 项目相关 项目名称 基于数字水印与卷积神经网络的图像攻击识别系统 项目背景 相关机构公布某些重要信息之后，难免会有一些不法分子别有用心，通过技术手段恶意篡改、攻击一些特殊意义的信息。如果相关人员没有识别出伪造的信息，选择信任了这些虚假的信息，就会造成难以估量的损失。 密码学手段是一种保护信息的方法，但密码学更适合端对端通讯，不适合作为一种面向大众的公开信息真实性的验证方式。而数字水印作为信息发布者认证信息的一种方式，提取数字水印更加适合让公众去检验信息来源的可靠性。 假设信息发布机构将水印嵌入在面向公众的信息中，公开的信息在人们拿到之后，如果需要对信息的真实性验证，就可以使用本产品的水印提取验证功能，了解信息是否真实是原机构发布的。根据提取水印的形变情况，消息的可靠性就可以辨识。获取到真实有效的信息，才能切实为生活带来便利，提高信息传播的水平。 项目简介 本项目结合数字水印技术

Model-based Analysis of ChIP-Seq (MACS)

(pbc)Pairing-Based Cryptography是实现双线性对运算的库 http://crypto.stanford.edu/pbc/ 官网提供的pbc库有些函数有错，所以自己修改了部分源码在vc6下编译通过。 只修改了Type a的实现代码，d,e,f,g还没改，可参考a_param.c修改。

完整代码，可直接运行

matlab集成c代码 C-NLOS-imaging-based-on-LCT 基于光锥变换的共焦非视距成像(Nature25489)代码复现及改写 Confocal non-line-of-sight imaging based on the light-cone transform 增加linearized_admm代码文件夹 该文件夹不存在于Nature附加材料中，但作者所在SCIL实验室提供了这些代码 更改了Jupyter默认的Latex模板, 故NoteRewrite.ipynb若需要导出pdf, 建议用替换jupyter notebook的默认latex生成模板, 否则无法成功转换. 如何运行？ Notes.ipynb是其他所有文件(包括文章和代码)的集合。其中包括了中英文的paper，支撑材料和可以运行的matlab代码(需要安装MATLAB Kernel) 安装方法：

与知识图交互的学习意向以进行推荐 这是本文的PyTorch实现： 王翔，黄廷林，王定贤，袁彦成，刘振光，何湘南和蔡达生（2021年）。 与知识图交互的学习意向以进行推荐。 。 2021年4月19日至23日，在斯洛文尼亚卢布尔雅那的WWW'2021年举行。 作者：王翔博士（u.nus.edu上的xiangwang）和黄廷麟先生（zju.edu.cn上的tinglin.huang先生） 介绍 基于知识图的意图网络（KGIN）是一个推荐框架，它由三个组件组成：（1）用户意图建模，（2）关系路径感知聚合，（3）独立建模。 引文 如果您想在研究中使用我们的代码和数据集，请引用： @inproceedings{KGIN2020, author = {Xiang Wang and Tinglin Huang and Dingxia