联邦

摘要： 儿童保护和家庭支持服务在偏远社区是较为困难的。在那里,复杂的治理、极度偏远和文化复杂性意味着服务很难得到一个满意的结果。对于家庭福利和儿童保护来说,提供的服务足够复杂,但在地方、州和联邦司法管辖区、非营利和私营部门都有同样的服务。该项目需要绘制服务生态系统并识别相同点和差距,以便更好地为政策、管理和资助模型提供信息。

摘要： 联邦学习是当前非常活跃的一种新兴的人工智能基础技术,作为一种新兴的分布式计算范式,其使得用户原始数据在不输出本地设备的基础上可以找到一个更优化的模型,做到“数据不动模型动”,在保证用户数据隐私安全的前提下,打破数据孤岛,充分挖掘数据的潜在价值.

摘要： “您对不用正装的理解有点过于透彻了!”加拿大一名国会议员4月14日在参加联邦众议院的线上视频会议时,意外地以裸体形象出现在会议屏幕上。这位议员事后通过网络社交平台解释说,自己结束慢跑后,正在换上工作衣着时,不小心打开了摄像头。

摘要： 双面大数据:价值,还是隐私?2016~2020年,我国数字经济总体规模不断扩大,从2016年的22.4万亿元跃升至2020年的41.4万亿元。“数字化”浪潮奔腾而来,作为其基石与核心的数据逐渐成为一种重要生产要素,“数据是宝贵的资产”、“数据是未来的新石油”这样的说法随着数字化成为趋势,在这几年中被反复提及。

摘要： 20世纪前的波罗的海三国,很少以独立面目出现。也许立陶宛可以自夸,在中世纪末是欧洲最大的国家,但那是波兰一立陶宛王国联邦。在该联邦中,尽管每一方都保留了自己的领土、军队和国库,但是立陶宛在联邦内并不占优势,且多被波兰文化所同化。

摘要： 加州中区美国地方法院法官赖特二世,在9月24日判决驳回Space X就美空军2018年签发给联合发射联盟公司、诺斯罗普·格鲁曼公司和蓝色起源公司的合同而递交的诉状后,10月2日又下令正式结束了Space X于18个月前对美国空军发起的诉讼。Space X于去年5月17日向联邦索赔法案递交诉状,辩称美空军因向其它公司签发"发射服务协议"(LSA)合同却把Space X排除在外,而给了那些公司不公平的优势。在联邦索赔法案判定其对此案缺乏管辖权之后,该案于去年8月份被移交给了加州中区美国地方法院。

摘要： 美国作为发达国家,联邦政府和州以下在解决财权、事权划分过程中,形成了较为完善的理论与实践体系,对解决我国目前政府事权划分不清、财政支出责任不明、事权划分和财权不均衡等问题具有很好的借鉴意义。我们应当借鉴国外有益经验,结合自身政治、社会、经济制度背景,因地制宜,多措并举,加快建设现代财政制度,科学划分财权、事权支出责任,使我国财政科学化、精细化管理水平继续得到实质性提升。

摘要： 20世纪20年代初,南北军阀混战,湖南寻求湘人自治,省宪运动顺势而起。风靡一时的省宪运动要求尽快制定《湖南省宪法》,实施地方自治。由于受到省内外的关注,《湖南省宪法》在制定时就地方自治的各种事务进行了热烈的讨论,最终形成了比较完备的宪法文本。《湖南省宪法》从基本纲领、宪政保障、基层落实三个层面对地方自治制度进行了架构。在宪法实施的过程中,虽然一开始选举议会、成立政府尚属顺利,但是因为时局变幻,战祸连连,行宪也经历了护宪、修宪乃至废宪等一系列曲折。最后,从宪政角度挖掘《湖南省宪法》中的地方自治制度乃至整个湖南省宪运动的价值。

摘要： “联邦”是近代以来重要的政治术语，但它并非汉语中原有的词汇，而是由西方传教士创制而来。“联邦”一词最早出现是用于对译英文中的united States，但随着国人对世界认识的加深，“联邦”的含义也发生了变化，它开始被用于对译英文federal一词，并最终固定下来。以“联邦”一词为例，中西之间的文化交流呈现出一种互动的模式，即西人创制、国人定义，但是国人在定义的过程中不得不以西人创制的新词为基础，这也正反映了中国近代思维的困境。

摘要： “联邦”是近代以来重要的政治术语,但它并非汉语中原有的词汇,而是由西方传教士创制而来.“联邦”一词最早出现是用于对译英文中的united states,但随着国人对世界认识的加深,“联邦”的含义也发生了变化,它开始被用于对译英文federal一词,并最终固定下来.以“联邦”一词为例,中西之间的文化交流呈现出一种互动的模式,即西人创制、国人定义,但是国人在定义的过程中不得不以西人创制的新词为基础,这也正反映了中国近代思维的困境.

摘要： 对运行于机群系统上的开源作业管理系统PBS (Portable Batch System)进行了分析,指出了制约其系统性能的一些问题,然后基于改进的PBS,提出了一种新型体系结构的作业管理系统FPBS (Federated Portable Batch System)--基于联邦机制的作业管理系统。FPBS的多个Server之间协同工作,通过建立服务联邦和分区机制来提高系统的可扩展性;通过建立Server环和关键数据备份来提高系统的可用性。FPBS的目标是满足上万结点的管理需求,目前仍为原型系统,已在小规模机群上运行测试,它的研究仍在继续。

摘要： 本说明书实施例提供用于经由至少两个第一成员设备和第二成员设备训练业务模型的联邦学习方法，联邦学习装置和联邦学习系统。各个第一成员设备具有本地数据，第二成员设备维护待训练的业务模型。在进行联邦学习时，在各个第一成员设备从第二成员设备接收当前业务模型后，各个第一成员设备使用本地数据训练所接收的当前业务模型，确定本地训练出的业务模型与所接收的业务模型之间的模型相关性，并且仅仅在模型相关性满足预定条件时才将本地训练出的模型更新量提供给第二成员设备。第二成员设备根据从各个第一成员设备接收的模型更新量更新业务模型。

摘要： 本说明书实施例提供用于经由至少两个第一成员设备和第二成员设备训练业务模型的联邦学习方法，联邦学习装置和联邦学习系统。各个第一成员设备具有本地数据，第二成员设备维护待训练的业务模型。在进行联邦学习时，在各个第一成员设备从第二成员设备接收当前业务模型后，使用本地数据训练所接收的当前业务模型，基于本地训练出的业务模型中的模型参数的参数更新量，确定各个模型参数的参数稳定性，并且将被确定为参数不稳定的模型参数的本地更新值提供给第二成员设备。第二成员设备根据从各个第一成员设备接收的模型参数的本地更新值更新业务模型。

摘要： 本说明书实施例提供一种联邦学习方法及联邦学习系统。方法包括：在联邦学习用于训练的目标模型确定特征配置前，联邦学习的成员对象按照所述联邦学习的数据仓库的数据结构化配置，对本地的私有数据进行预处理；以及，联邦学习的成员对象基于多方安全计算协议，将预处理后的私有数据发送至所述集中计算平台，以由所述集中计算平台上传至数据仓库。在所述目标模型确定特征配置后，所述集中计算平台根据所述目标模型的特征配置，对所述数据仓库记录的私有数据进行特征提取，得到适用于训练所述目标模型的特征数据；以及，所述集中计算平台基于提取到的特征数据，对所述目标模型进行训练，并将所述目标模型的训练结果发送至所述联邦学习的成员对象。

摘要： 本发明公开了一种在线联邦学习任务分配方法、装置、联邦学习方法及系统，在给定联邦学习训练框架下，将边缘计算联邦学习训练过程分为节点选择计划确认和节点数据状态更新两个阶段，通过Lyapunov优化理论和深度强化学习的计算，提供使得损失函数最小化的、在不完全信息状态下保证数据集状态稳定不拥塞的任务分配方法，由此解决现有的任务分配机制仅必须知道完全信息的情况下且数据集需要独立同分布的分配阶段，导致不能解决在线联邦学习中数据非独立同分布的技术问题。

摘要： 本申请涉及一种联邦学习专用处理器、联邦学习处理芯片及芯片。该处理器包括彼此独立的多个处理引擎，其每一个包括并行的至少一个处理子引擎且属于加密、解密、密文运算以及密钥管理的类别中的一个。该处理器用于生成联邦学习任务的任务配置信息，确定多个处理引擎的调用次序和被调用的处理引擎，根据任务配置信息和被调用的处理引擎的状态生成引擎配置信息，根据引擎配置信息完成联邦学习任务。多个处理引擎中的至少一个处理引擎所包括的处理子引擎由第一部分和第二部分组成，第一部分的个数根据联邦学习通用业务场景预先设定，第二部分的个数可根据与联邦学习任务关联的联邦学习子业务场景调整。如此实现数据流驱动的引擎分配机制及优化设计。

摘要： 本说明书实施例提供一种联邦学习模型的训练方法和调用方法以及联邦学习系统。该训练方法包括：获取多个参与者中的每个参与者的水印化训练数据集；以及基于多个参与者中的每个参与者的水印化训练数据集进行联邦学习训练，以分别产生每个参与者的作为联邦学习模型的一部分的碎片模型，其中，水印化训练数据集包括水印训练数据，参与者的水印训练数据的数据标识彼此对应，且多个参与者中的至少一个参与者的水印训练数据包括水印标签。

摘要： 本说明书实施例提供一种联邦学习模型的训练方法和调用方法以及联邦学习系统。该训练方法包括：分别由多个参与者中的每个参与者获取该参与者的水印化训练数据集，其中，水印化训练数据集包括具有水印标签的水印训练数据，和基于该水印化训练数据集进行训练，以产生该参与者的本地模型；以及将多个参与者的本地模型进行聚合，以产生联邦学习模型。

摘要： 本发明公开了一种基于联邦蒸馏的联邦学习模型的训练方法、系统和介质，可应用于模型处理技术领域。本发明方法包括：客户端采用联邦学习算法和本地私有数据集训练并更新本地模型，采用公共数据集和更新后的本地模型预测局部归一化层的第一输出向量，并向服务器上传第一输出向量对应的局部平均输出向量；服务器对所有局部平均输出向量进行全局共识操作并确定全局平均输出向量，向所有客户端下发所述全局平均输出向量；客户端在公共数据集上，采用全局平均输出向量和更新后的本地模型进行知识蒸馏，并在本地私有数据集上训练回调本地模型。本发明能使通信成本只取决于模型输出，不会随模型大小倍数增加，从而有效提高通讯的稳定性和减少延迟。

摘要： 本申请涉及一种联邦学习系统和联邦学习任务处理方法。方法包括：确定与联邦学习任务相关联的至少一个样本ID是否存在于本地样本数据集和非本地样本数据集之间的交集；响应于该至少一个样本ID存在于该交集，调用第一联邦学习模型处理该联邦学习任务；和响应于该至少一个样本ID不存在于该交集，调用第二联邦学习模型处理该联邦学习任务。所述第一联邦学习模型的训练数据集包括该交集。所述第二联邦学习模型的训练数据集至少包括所述本地样本数据集，并且所述第二联邦学习模型的训练基于所述第一联邦学习模型根据所述本地样本数据集生成的处理结果。如此克服数据缺失问题以及避免训练样本的浪费，提升了推理预测效果。

摘要： 本发明公开了一种面向智慧城市物联网信物融合的联邦学习系统，包括设备端和服务端；所述设备端包括MQTT、训练线程、心跳发送线程；所述服务端包括MQTT、模型聚合线程、任务调度线程、心跳监测线程。本发明还提供了基于上述联邦学习系统的联邦学习训练方法，包括：服务器初始化全局模型，在一个通信回合中，服务器选择一定比例的设备，并向被选择的设备发送全局模型；设备接收到消息后，对模型执行训练并更新；将更新的模型重新上传到服务器并进行聚合，得到新的全局模型，进入下一个通信回合；完成预设的通信回合数后，设备接收服务器下发的最新的全局模型并保存供后续使用。本发明具备一定的设备可扩展性、鲁棒性和高效性。