联邦法院

摘要： 英国王子安德鲁:被传花1200万英镑摆平性侵官司,2月15日,卷入已故美国富商爱泼斯坦性侵丑闻的英国王子安德鲁宣布与指控他有性侵行为的美国女子弗吉尼娅·朱弗雷达成庭外和解。当日在美国纽约曼哈顿联邦法院提交的一份文件披露了这项和解协议,内容包括一笔未注明数额的赔偿金。英国《每日邮报》等多家媒体援引消息人士的话称,赔偿金为1200万英镑。

摘要： 原告:多件太阳镜以及服装相关商标持有人被告:位于中国的跨境电商,在本案中被告主体达906个案情经过2018年3月,原告通过阿里巴巴集团旗下的某网上商城,从被告处订购了一批太阳镜,并以此为证主张被告侵犯了其商标权。2018年3月,两原告向美国北伊利诺伊联邦法院起诉,要求被告立即停止销售假货。

摘要： 尽管美国法院文件可在网上公开获得,但它们位于难以导航的数据库中,且需要支付昂贵的费用。美国西北大学的研究团队认为,这些障碍对建立公正和平等的司法系统所需的透明度造成了阻碍。如果能够公开并提供所有法院记录,那研究人员便能够系统地研究和评估美国司法系统,为相关政策的制定提供有价值的信息。研究人员正在开发一个由人工智能驱动的名为SCALES-OKN(诉讼事件的系统内容分析开放知识网络)的平台,无论用户的数据和分析技能如何,都可以为用户提供隐藏在联邦法院记录中的信息和见解。

摘要： 德国《基本法》第92条规定:“司法权托付于法官;由联邦宪法法院、本基本法所规定的各联邦法院及各州法院分别行使。”第98条规定:“各州法官的任命事宜,由州司法部部长会同法官选任委员会联合决定。”据此,在德国,审判权归属各级法院,联邦司法部负责管理属于联邦管辖范围的法院司法行政业务。笔者此前曾赴德国图林根州、萨克森州法院等地访问交流,本文将结合其所见所闻,杭理介绍德国法院的司法行政管理制度。

摘要： 法律条文:刑法第13条第1款判决名称:保证人义务官方要旨:1.公法机构中内部审计部门主管可能承担制止欺诈性结算的保证人义务。法律领域:刑法,社会法,刑事诉讼法/违反秩序法关键词:不作为,保证人,内部审计部门主管,结算先前审判:柏林州地方法院2008年3月3日判决——(514)3WiJs1361-02KLs(9/04)联邦法院以人民的名义2009年7月17日刑五庭2008年第394号刑事判决(1)参考工作:是联邦法院刑事审判庭:是公开:是联邦法院2009年7月17日判决——刑五庭2008年第394号,柏林州法院——因被告人为诈骗行为提供帮助.

摘要： 一直以来,美国司法机关被认为是公正而神圣的,法院和法官被推上神坛,而事实却并非如此.美国现实主义法学的代表人物弗兰克在其著作《初审法院——美国司法中的神话与现实》中,从事实的不确定性、法官的个人性、法律的不确定性等方面展示了真实的美国司法运行过程,并通过建立法院判决的格式塔规则,确定和完善法官的自由裁量权以及建立和完善法律职业共同体等方法来重新确立起司法权威,再塑司法神话.

摘要： 2018年3月25日,美国公民林达·布朗在家中去世,使得1954年布朗诉教育委员会案(Brown V.Board of Education)又重新回到人们的视野.布朗案的重要意义在于从联邦的层面推翻了1896年普莱西诉富格生案(Plessy V.Ferguson)确立的"隔离但平等"(separate but equal)原则.半个世纪过去了,当我们重新审视布朗案为美国社会带去的影响时,我们不禁发问:在而后的美国社会,种族隔离真正得到取缔了吗?种族融合真正实现了吗?种族平等真正实现了吗?

摘要： 自然保护区,尤其是国家级自然保护区,是我国生物多样性和生态系统保护的主体。本文从公共政策分析框架的立法、执法、监督和司法等方面,对世界上第一个国家公园美国黄石国家公园进行分析,为我国进一步推进自然保护区管理的法制化建设提供参考。一、立法:美国有完善的、具体可操作的法律法规条例黄石国家公园管理主要依据是美国的《国家公园服务局管理条例》。

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。