关键词： 纵向联邦学习   安全求交   匿踪求交   多方安全计算   匿踪学习  

摘要： 纵向联邦学习作为实现“数据可用不可见”的重要技术范式,其核心的学习过程是基于安全求交的样本对齐.已有的安全求交虽然保护了非交集信息的隐私不被泄露,但无法满足交集部分用户ID的隐私保护需求.抽象出一种基于匿踪对齐的全匿踪纵向联邦学习框架,确保联邦学习全链路都不会泄露各持有方集合的隐私信息;提出一种基于多方安全计算的框架实现方法,在保持全匿踪的条件下进行联合建模,迭代训练直到模型收敛;通过实验验证了该框架的高性能与低误差特性,能够较好地应用于实践.

关键词： 小学数学   学生思维发展   数学概念学习   学好数学   教学实录   深刻体会   情境   概念的本质  

摘要： 比例是小学数学中一个重要的概念,比例思维是学生思维发展的重要内容之一。数学概念学习是数学学习的基石,如何让学生充分理解概念的源与流,完整地参与概念的形成与发展过程,深刻体会概念的本质与意义,是学好数学概念的关键。

关键词： 情境创设   实践路径   情境任务  

摘要： 设计语文学习任务的关键是情境创设。情境主要由目标、场景、任务(问题)等要素组成。真实的学习情境富有驱动性,指向学习内容的结构化、实践性与综合性。在实践中,要建立与学生经验的关联,凸显学习方式的变革,以学习成果撬动“教-学-评”的一致。

关键词： 高海拔地区   降水成因   机器学习  

摘要： 利用2001—2021年年降水量资料,2021年雨季6—9月和非雨季露点温度、降水量等资料,PM_(2.5)、硫酸盐、硝酸盐等大气污染物资料,基于机器学习方法对西藏高海拔地区拉孜降水量进行建模,并量化了影响拉孜地区降水量的气象因素和气溶胶粒子。结果表明:露点温度是影响拉孜地区降水量的关键变量,其对雨季和非雨季降水量的贡献分别为74%和66%。硝酸盐是气溶胶组分中对降水量影响最大的变量,其在雨季和非雨季占气溶胶总贡献的61%和71%,表明硝酸盐气溶胶对降水有重要作用。

关键词： 智能交通   交通信号控制   强化学习   交通信号灯   多智能体   大规模交通网络  

摘要： 当前在交通信号控制系统中引入智能化检测和控制已是大势所趋,特别是强化学习和深度强化学习方法在可扩展性、稳定性和可推广性等方面展现出巨大的技术优势,已成为该领域的研究热点。针对基于强化学习的交通信号控制任务进行了研究,在广泛调研交通信号控制方法研究成果的基础上,系统地梳理了强化学习和深度强化学习在智慧交通信号控制领域的分类及应用;并归纳了使用多智能体合作的方法解决大规模交通信号控制问题的可行方案,对大规模交通信号控制的交通场景影响因素进行了分类概述;从提高交通信号控制器性能的角度提出了本领域当前所面临的挑战和未来可能极具潜力的研究方向。

关键词： 造价预测   机器学习   麻雀算法   SHAP分析  

摘要： 工程造价预测是建筑行业中重要的工作,准确地预测工程造价对于前期的投资决策具有重要的现实意义。为了提高造价预测的准确性,本文提出一种应用集成学习算法(XGBoost)和单一学习算法(BP、SSA-BP)构建预测模型的方法,采用统计学习的方法得到8种对工程造价有影响的变量因素:总建筑面积、高度、层数、层高、基础类型、结构形式、抗震烈度和外立面材料。以8种影响因素作为模型的输入变量,单位造价作为输出变量,通过对预测结果的指标评估得出单一学习算法中SSA-BP模型的预测性能最好。在此预测模型的基础上,使用SHAP分析方法,得到8种变量因素在模型中的重要性占比排序,并以此重新构建8种不同组合的输入变量来检验SSA-BP模型的可靠度。

关键词： 主动配电网   实时优化调度   图表示学习   图强化学习   图神经网络  

摘要： 主动配电网的新能源、储能等能源形式可以有效提高运行的灵活性和可靠性,同时新能源和负荷也给配电网带来了双重不确定性,致使主动配电网的实时优化调度决策维度大、建模精度差.针对这一问题,本文提出结合图神经网络和强化学习的图强化学习方法,避免对复杂系统的精准建模.首先,将实时优化调度问题表述为马尔可夫决策过程,并将其表述为动态序贯决策问题.其次,提出了基于物理连接关系的图表示方法,用以表达状态量的隐含相关性.随后,提出图强化学习来学习将系统状态图映射到决策输出的最优策略.最后,将图强化学习推广到分布式图强化学习.算例结果表明,图强化学习在最优性和效率方面都取得了更好的效果.

关键词： 联邦学习   差分隐私   信息熵   数据分布   个性化差分隐私  

摘要： 联邦学习的模型参数可能导致用户隐私信息泄露,为解决此问题,将联邦学习和差分隐私进行结合的方法被广泛使用,但目前大多数方法只关注统一的隐私预算分配,忽略了由于用户数据分布不平衡带来的不同隐私预算需求。针对上述问题,提出一种基于数据分布的个性化差分隐私的联邦学习方法,根据用户间数据分布的差异,提出一种基于信息熵的隐私预算分配方案,依据信息熵为用户分配不同的隐私预算,信息熵越大的用户分配的隐私预算越高,从而量化了用户的隐私需求,实现对用户隐私的个性化保护。实验结果表明,在数据分布不平衡的场景下,相比基于统一的隐私预算分配方法,基于信息熵的隐私预算分配方法的模型准确率在不同的隐私预算下均有提高。

关键词： 专业术语   深度学习   深度聚类   实体命名识别   机器学习  

摘要： 中文缺乏单词边界,从非结构化文本中识别中文专业术语十分具有挑战性,因此专业术语识别技术的应用的情景非常多样化.设计了一种针对任意领域内中文的提取专业术语的新方法.首先获取文本数据的分词结果,然后采用基于BERT改进的词表征方法获得词向量,最后使用基于自动编码器的深度聚类方法完成对中文专业术语的提取.分别在公开数据集和自选取的专业书籍数据上做了对比实验.与其他方法相比,改进后算法在精确率、召回率和F1值3个指标上都有了明显的提升.

关键词： 语文“跨学科学习”   理念背景   意义  

摘要： 语文“跨学科学习”理念的提出,有着复杂、深远的教育理论背景,也有着现实、深刻的语文教育背景。语文“跨学科学习”理念具有非常重要的意义,不仅对语文课程改革具有无法替代的独特价值,同时对于学生核心素养发展也有着极大的促进作用。能够开阔学生的知识视野,促进学生主动思考、积极探究,开拓学生的创新思维,增强学生的合作意识,提高学生的语言文字运用能力。