联邦学习

医疗金融预测与语音识别中的模型优化及可解释性技术突破

在医疗领域，基于自适应学习的动态参数调整机制，结合迁移学习的跨场景知识复用，显著提升了疾病筛查模型的泛化能力；而金融预测场景中，联邦学习框架通过分布式数据协作，在保障隐私安全的前提下，实现了风险预测模型的多维度优化
智能计算研究中心·2025-07-11 23:23

AI人工智能助力联邦学习通信效率优化的解决方案

AI驱动的联邦学习通信效率优化：从理论到实践的全面解决方案元数据框架标题AI驱动的联邦学习通信效率优化：从理论到实践的全面解决方案关键词联邦学习（FederatedLearning）、通信优化（CommunicationEfficiency
AI智能应用·2025-07-08 09:52

2022项目实训“异步分布式联邦学习”第五周报告

一、本周工作进度我在本周的工作进度主要集中于两个技术要点——即Axios和WebSocket。这两种技术方法有着本质上的不同，因而具体实现出来之后的效果也有所不同，下面将会分别说明。1.Axios（Ajax封装）首先要谈的内容是Axios，Axios是一个基于promise的HTTP库，是目前前端最流行的ajax请求库。Axios的优势在于，相比传统的Ajax本身是针对MVC的编程，Axios更加
·2025-07-08 00:48

三体融合实战：Django+讯飞星火+Colossal-AI的企业级AI系统架构

目录技术栈关键词：Django5.0讯飞星火4.0UltraColossal-AI1.2WebSocket联邦学习⚡核心架构设计️一、Django深度集成讯飞星火API（免费版）1.获取API凭证2.流式通信改造
IT莫染·2025-07-05 19:24

大模型在通讯网络中的系统性应用架构

例如，在用户密集区域（如城市中心）自动增强低轨卫星与地面基站的协同，通过联邦学习实现跨区域资源调度，降低跨空口传输时延至0.3ms以下。
Deepoch·2025-07-05 10:13

入门pytorch-联邦学习

本文联邦学习的代码引用于https://github.com/shaoxiongji/federated-learning本篇文章相当于带大家读一遍联邦学习的代码，同时加深了大家对联邦学习和Pytorch
四代机您发多少·2025-07-03 00:05

长尾形分布论文速览三十篇【60-89】

长尾形分布速览（60-89）这些研究展示了LLMs在长尾数据分布、持续学习、异常检测、联邦学习、对比学习、知识图谱、推荐系统、多目标跟踪、标签修复、对象检测、医疗生物医学以及其他应用中的广泛应用。
木木阳·2025-07-02 23:58

跨区域智能电网负荷预测：基于 PaddleFL 的创新探索

跨区域智能电网负荷预测：基于PaddleFL的创新探索摘要：本文聚焦跨区域智能电网负荷预测，提出基于PaddleFL框架的联邦学习方法，整合多地区智能电网数据，实现数据隐私保护下的高精度预测，为电网调度优化提供依据
暮雨哀尘·2025-06-30 11:02

面向隐私保护的机器学习：联邦学习技术解析与应用

联邦学习（FederatedLearning）作为一种新兴的隐私保护技术，为解决这一问
Blossom.118·2025-06-30 11:30

《多设备协同训练：HarmonyOS联邦学习驱动Unity游戏AI进化》

在此背景下，HarmonyOS联邦学习与多设备协同训练的融合，为Unity游戏AI的智能化进化提供了突破性解决
爱学习的小齐哥哥·2025-06-28 06:21

AI人工智能加持，联邦学习医疗数据共享方案全解析

AI人工智能加持，联邦学习医疗数据共享方案全解析关键词：联邦学习、医疗数据共享、隐私保护、人工智能、多方安全计算摘要：医疗数据是医学研究和临床决策的“黄金资源”，但患者隐私保护与数据孤岛问题却像两道高墙
AI学长带你学AI·2025-06-23 02:05

深度学习框架与联邦学习：探究未来的AI发展趋势=======================摘要：本文将深入探讨深度学习框架与联邦学习的融合，分析其在现代AI领域的应用和发展趋势。我们将介绍深度学习框

深度学习框架与联邦学习：探究未来的AI发展趋势摘要：本文将深入探讨深度学习框架与联邦学习的融合，分析其在现代AI领域的应用和发展趋势。
·2025-06-17 23:46

同态加密类型详解：部分同态加密，全同态加密

加法同态算法：Paillier：基于合数剩余类问题，满足E(m1)⋅E(m2)=E(m1+m2)，广泛用于联邦学习中的梯度聚合（如FATE框架
胡乱编胡乱赢·2025-06-17 18:19

边缘计算算法与自动驾驶安全优化实践

本文系统性分析联邦学习与生成对抗网络（GAN）的融合机制，在保护数据隐私的同时提升多节点模型的动态适应能力，并通过可解释性算法对决策逻辑进行可视化解析，增强系统透明度。
智能计算研究中心·2025-06-14 13:06

鹰盾视频的AI行为检测是怎样的风控？

鹰盾视频构建的AI行为检测风控体系，通过深度融合多模态分析、强化学习、联邦学习等前沿技术，打造了从数据感知、智能研判到动态响应的全链条风控闭环。
加油搞钱加油搞钱·2025-06-12 01:17

联邦学习:用隐私保护助力CIFAR10建模

联邦学习:用隐私保护助力CIFAR-10建模作者：禅与计算机程序设计艺术1.背景介绍1.1CIFAR-10数据集概述CIFAR-10数据集是一个广泛用于图像分类任务的基准数据集。
AI天才研究院·2025-06-11 15:32

基于Dirichlet分布的联邦学习数据分配

基于Dirichlet分布的联邦学习数据分配。其目标是将数据按照不均衡的方式分配到不同的客户端，模拟真实世界中客户端数据不均匀的情况。
黑马算法创新·2025-06-11 14:58

大模型训练新范式：隐私增强联邦学习架构与工程实践

一、传统联邦学习为何无法满足大模型隐私需求当前主流联邦学习框架如FedAvg在面对大模型时存在显著短板：python#标准FedAvg参数聚合伪代码暴露关键漏洞global_model=initialize_model
尘烬海·2025-06-08 23:55

企业级大数据隐私保护：架构设计与实现方案

企业级大数据隐私保护：架构设计与实现方案关键词：大数据隐私保护、隐私计算、联邦学习、差分隐私、安全多方计算、数据合规、去标识化摘要：本文系统解析企业级大数据隐私保护的核心技术体系，从架构设计到具体实现方案展开深度探讨
AI天才研究院·2025-06-08 05:21

如何用数字人实现品效合一的传播

——从量子化建模到联邦学习的技术革命与商业实践一、行业痛点：传统营销的“三重割裂”2025年数据显示，78%的企业因营销效率低下错失市场机遇（快消品牌年损超500万元），核心矛盾聚焦于：品效割裂：品牌广告
井云智能矩阵系统·2025-06-08 02:01

联邦学习架构深度分析：支持多家医院协作训练AI模型方案分析

在这一背景下，"数据不动模型动"的联邦学习架构应运而生，为医疗机构提供了在不共享原始数据的前提下协同训练AI模型的新范式。联邦学习(FederatedLearning)是一种分布式机器学习范式
Allen_Lyb·2025-06-06 07:08

**深度学习框架与生成对抗网络：探索前沿技术的融合之美**摘要：本文将深入探讨深度学习框架在生成对抗网络（GANs）中的应用，分析大模型训练的实践，并展望联邦学习在未来技术趋势中的位置。我们将通过实例

深度学习框架与生成对抗网络：探索前沿技术的融合之美摘要：本文将深入探讨深度学习框架在生成对抗网络（GANs）中的应用，分析大模型训练的实践，并展望联邦学习在未来技术趋势中的位置。
2401_89451588·2025-06-04 12:59

【论文阅读】Federated Large Language Model : A Position Paper

文章思想很朴素，也很容易理解，基本就是有大模型基础和联邦学习基础的人都能想到或是理解的。联邦大模型的两种学习方式两种非常直观的方法：一种是从头训练，一种是利用私有数据集进行微调。
只说人话绝不装逼·2025-05-31 07:55

基于大模型预测视神经脊髓炎的技术方案

术前风险预测模型（伪代码示例）2.术中实时监测流程图四、系统集成方案1.硬件部署拓扑图2.关键API定义五、硬件集成方案1.计算资源规划2.安全通信协议六、技术验证方法1.模型验证流程2.对比实验设计七、附录1.联邦学习协调算法
LCG元·2025-05-30 08:33

自动化学习与边缘计算融合驱动语音识别模型优化新路径

以联邦学习框架为基础的数据协同机制，使得分散在边缘设备中的语音样本能够在不共享原始数据的前提下参与模型迭代，有效平衡了数据利用与隐私保护之间的矛盾。
智能计算研究中心·2025-05-16 05:30

大白话解释联邦学习

数据孤岛：为何发生？有何危害？如何解决？什么是数据孤岛？企业或组织内部，数据因存储分散、标准不一、系统或部门壁垒，导致数据像一座座孤立的岛屿，无法自由流通与整合，其潜在价值难以被充分挖掘。例如，财务部和销售部各自使用独立数据库，数据无法自动交互，需手动导出导入（物理性孤岛）相同数据在不同部门被赋予不同含义。例如，销售部的“客户”指已成交用户，而市场部的“客户”包含潜在用户，导致跨部门协作时需反复沟
frostmelody·2025-05-15 22:07

国际应用人工智能协会（IAAAI）的技术生态构建与全球实践

其学术委员会与全球120个研究机构建立了动态知识图谱系统，通过语义网技术实时追踪联邦学习、边缘计算等18个技术领域的最新突破。例如，在2022年发布的联邦医疗成像协作平台（FMICP）中，
feng99520·2025-05-13 00:21

联邦学习图像分类实战：基于FATE与PyTorch的隐私保护机器学习系统构建指南

引言在数据孤岛与隐私保护需求并存的今天，联邦学习（FederatedLearning）作为分布式机器学习范式，为医疗影像分析、金融风控、智能交通等领域提供了创新解决方案。
Tech Synapse·2025-05-11 11:46

MCP协议：大模型与外部工具交互的标准化创新方案

文章从协议定位、架构设计和组件职责等维度展开，阐述其打破生态孤岛、降低开发复杂性、提升人机交互效率等核心价值，并探讨多模态扩展、联邦学习等未来演进方向，为AI系统构建提供重要参考。
未来创世纪·2025-05-10 14:31

AI产品设计：如何平衡上下文理解与用户隐私？

关键词：AI产品设计、上下文理解、用户隐私、数据安全、隐私保护、差分隐私、联邦学习摘要：本文探讨了在AI产品设计中如何平衡上下文理解能力与用户隐私保护这一关键问题。
AI大模型应用之禅·2025-05-07 07:29

联邦学习真香警告：跨机构医疗数据协作中的梯度投毒攻防

联邦学习（FederatedLearning,FL）作为医疗数据协作的核心技术，允许医院在不共享原始数据的前提下联合训练AI模型。
梦玄网络安全·2025-05-05 12:30

智能算法核心技术：联邦学习与量子计算应用解析

内容概要本文聚焦智能算法技术体系的跨场景应用与前沿突破，以联邦学习与量子计算为核心架构展开系统性分析。
智能计算研究中心·2025-05-04 07:54

【研究方向】联邦|自然语言

联邦学习FederatedLearning,FL分布式学习方案。
拾贰_Python·2025-04-25 22:05

联邦学习在跨境API中的应用：Temu多国用户画像融合策略

联邦学习作为一种新兴的分布式机器学习范式，为解决这一问题提供
lovelin+vI7809804594·2025-04-18 21:57

【前沿聚焦】机器学习的未来版图：从自动化到隐私保护的技术突破

摘要本文聚焦机器学习领域的前沿技术趋势，包括自动化机器学习（AutoML）、多模态学习和联邦学习等热门方向。
·2025-04-17 11:51

【机器学习】揭秘隐私保护机器学习：差分隐私与联邦学习如何守护你的数据？

Langchain系列文章目录01-玩转LangChain：从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块：四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain：从核心链条构建到动态任务分配的实战指南04-玩转LangChain：从文档加载到高效问答系统构建的全程实战05-玩转LangChain：深度评估问答系统的三种高效方法（示例生成、手
吴师兄大模型·2025-04-15 20:00

算法安全优化与跨场景应用实践

通过对比分析联邦学习、生成对抗网络（GAN）及量子算法的技术特性，本书构建了覆盖金融、医疗、交通等领域的跨行业解决方案框架。
智能计算研究中心·2025-04-14 09:40

第31篇：FedSA-LoRA（联邦学习+lora+个性化升级版）

第一部分：要解决的问题第二部分：解决问题所提出的idea研究发现，A矩阵负责学习通用知识，而B矩阵则专注于捕捉客户端特定知识。这一发现基于对不同数据异质性水平下，客户端间A和B矩阵的相似性分析。第三部分：新方法效果任务：在自然语言理解（GLUE基准）和生成任务（GSM8K、CodeSearchNet）中测试。性能
还不秃顶的计科生·2025-04-11 19:28

Web3.0与数据隐私计算的融合革命：重构数字社会信任基石

本文深入解析去中心化数字身份、零知识证明与联邦学习的技术融合路径，通过政务数据开放、医疗影像共享、金融反洗钱三大场景实践，揭示如何构建“数据可用不可见”的新型基础设施。
知识产权13937636601·2025-04-11 07:03

2024 信息安全专业毕业设计(论文)选题题目推荐合集 选题指导

基于机器学习的网络入侵检测与防御系统基于对抗性机器学习的网络入侵检测系统支持零知识证明的交易数据隐私保护方案基于图神经网络的门级硬件木马检测系统基于隐私风险评估的脱敏算法自适应系统基于区块链的电商诚信问答关键技术研究基于文本的网络安全事件检测系统与探索基于区块链的医疗数据分类加密共享系统用于缝纫设备远程维护的系统及加密系统基于联邦学习的分布式虚假新闻检测系统基于人脸识别技术的实验室身份验证系统基于
面试题开源·2025-04-10 15:25

智能算法安全优化与多场景实践创新

内容概要智能算法安全优化与多场景实践创新研究，以跨领域协同为突破口，系统整合联邦学习、量子计算与生成对抗网络等前沿技术。
智能计算研究中心·2025-04-09 15:11

深度学习模型优化与行业应用新突破

主流框架如MXNet与PyTorch在分布式计算、自动微分等关键能力上形成差异化优势（见表1），而边缘计算与联邦学习的融合，则通过本地化数据处理与隐私保护机制，为医疗影像诊断、金融风险预测等高敏感场景提供了可信部署方案
智能计算研究中心·2025-04-09 15:11

模型优化技术驱动行业应用创新

从底层框架演进看，TensorFlow、PyTorch与MXNet等主流工具通过自适应学习机制与参数化建模能力，显著提升了模型训练效率；而在技术融合层面，联邦学习与边缘计算的协同部署方案，为解决数据隐私与算力瓶颈提供了新范式
智能计算研究中心·2025-04-09 15:41

国内隐私计算的开源框架介绍

开源框架以下是使用较多的隐私计算开源框架及其特点：1.FATE（联邦学习框架）开发者：微众银行（WeBank）技术方向：联邦学习（FederatedLearning）特点：支持横向联邦、纵向联邦和迁移联邦学习
沙子可可·2025-04-07 17:51

跨领域算法安全优化与创新应用

本书系统性梳理联邦学习、可解释性算法及量子计算等前沿技术的交叉融合路径，针对医疗影像分析、金融风控与自动驾驶等场景，提出覆盖数据隐私保护、特征工程优化及模型可解释性增强的全链条解决方案。
智能计算研究中心·2025-04-03 13:55

智能模型优化趋势与行业实践突破

从技术演进路径来看，边缘计算与联邦学习的结合显著提升了分布式场景下的模型效率，而量子计算的引入则为复杂优化问题提供了突破性思路。
智能计算研究中心·2025-04-03 13:24

自动驾驶算法优化中的量子计算与数据标注实践

联邦学习框架的引入则构建了分布式数据协作网络，在确保隐私合规的前提下，完成多源异构数据的协同标注与模型训练，使标注准确率提升至98.7%的新基准。技术演进
智能计算研究中心·2025-04-02 04:40

模型优化技术演进与行业场景突破

随着自动化机器学习（AutoML）与联邦学习技术的成熟，模型开发效率与隐私保护能力显著提升，而模型压缩技术则推动轻量化部署在边缘计算场景中加速落地。
智能计算研究中心·2025-04-01 18:21

前沿算法优化与多场景应用实践

在基础算法层，量子算法通过叠加态与纠缠态特性突破经典计算瓶颈，联邦学习结合差分隐私与模型聚合技术构建分布式安全框架，生成对抗网络（GAN）则通过生成器与判别器的动态博弈优化图像合成效果。
智能计算研究中心·2025-04-01 18:21

智能模型优化与跨行业应用趋势

核心演进路径涵盖三大维度：在技术层，自动化机器学习（AutoML）与自适应学习优化技术大幅降低建模门槛，结合超参数优化与正则化方法，实现模型性能与效率的平衡；在架构层，边缘计算与联邦学习推动分布式模型部署
智能计算研究中心·2025-04-01 18:21
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他