autoencoder compression convergence federated
【五期李伟平】CCF-A（AAAI'21）Game of Gradients: Mitigating Irrelevant Clients in Federated Learning
Nagalapatti, Lokesh , and R. Narayanam . "Game of Gradients: Mitigating Irrelevant Clients in Federated Learning." (2021). 针对联邦学习中相关客户端选择（FRCS）的问题，本文提 ......
Early lameness detection in dairy cattle based on wearable gait analysis using semi-supervised LSTM-Autoencoder
一区top Computers and Electronics in Agriculture 题目：“基于半监督 LSTM-自动编码器可穿戴步态分析的奶牛早期跛行检测” (Zhang 等, 2023, p. 1) (pdf) “Early lameness detection in dairy ca ......
Dynamics 365 Finance Operations Data Event Catalog - Power Platform Convergence
Dynamics 365 Finance Operations Data Event Catalog - Power Platform Convergence Hello the Community, long time no post, but so much to talk about now ......
CF1523C Compression and Expansion
前言 多测不清零，亲人两行泪。 题意 对于一个空的数字串，有两种操作： 删除末尾的 \(n\) 个 \((n \ge 0)\) 元素，并将修改后数字串的最后一个元素加一； 在数字串末尾添加一个数字 \(1\)。 输入 \(n\) 个元素，表示第 \(n\) 次操作后数字串末尾的元素。 思路 首先考虑 ......
【五期李伟平】CCF-A（TMC'22）Enabling Long-Term Cooperation in Cross-Silo Federated Learning: A Repeated Game Perspective
Zhang, Ning , Q. Ma , and X. Chen . "Enabling Long-Term Cooperation in Cross-Silo Federated Learning: A Repeated Game Perspective." (2022). 针对重复执行跨筒仓联 ......
QARV: Quantization-Aware ResNet VAE for Lossy Image Compression
目录简介创新之处模型结构实验结果 什么是Quantization-Aware量化感知？ 简介 该文章基于VAE提出一种新的有损图像压缩方法，起名叫quantization-aware ResNet VAE (QARV). 这种方法集成了测试时间量化和量化感知训练，没有它就无法进行熵编码？ 除此之外还 ......
FLAC: Federated Learning with Autoencoder Compression and Convergence Guarantee-2022
目的：减少通信量(成本)，例如VGGNet架构具有大约1.38亿个参数（4264 Mb） 方法：具有自动编码器压缩（Autoencoder Compression）且具有收敛保证（Convergence Guarantee）；利用冗余信息（the redundant information）和FL的 ......
FCC(Federal Communications Commission)授权许可及其FCC ID和FCC批文查询
以SANWA(山业)销售的： GSKBBT066(带触控板)， 官网说明书 manual Title: GSKBBT066_manual200831 Created Date: 6/21/2021 10:04:09 AM BT.V.: 3.0C.2 USB Micro？ GSKBBT066-SUN( ......
Hierarchical Clustering-based Personalized Federated Learning for Robust and Fair Human Activity Recognition-2023
任务：人类活动识别任务Human Activity Recognition HAR 指标：系统准确性、公平性、鲁棒性、可扩展性 方法：1. 提出一个带有层次聚类（针对鲁棒性和公平的HAR）个性化的FL框架FedCHAR；通过聚类（利用用户之间的内在相似关系）提高模型性能的准确性、公平性、鲁棒性。 2 ......
CF1901E Compressed Tree 题解
原题链接：CF1901E，树形 dp + 神奇分类讨论。 很容易想到树形 dp。难点在于如何转移以及统计答案，需要大量分讨。 父亲（及其以上）和自己组成连通块，不缩。(只保留自己并且往上传递) 连通块中只有自己一个（记录答案） 一个儿子和自己组成连通块，且自己作为根节点，不和父亲收缩（记录答案） 一 ......
基于 Webpack5 Module Federation 的业务解耦实践
我们是袋鼠云数栈 UED 团队，致力于打造优秀的一站式数据中台产品。我们始终保持工匠精神，探索前端道路，为社区积累并传播经验价值。 本文作者：贝儿 前言 本文中会提到很多目前数栈中使用的特定名词，统一做下解释描述 dt-common：每个子产品都会引入的公共包(类似 NPM 包) AppMenus： ......
The Devil Is in the Details: Window-based Attention for Image Compression
目录简介 简介 基于CNN的模型的一个主要缺点是 cNN结构不是为捕捉局部冗余而设计的，尤其是非重复纹理，这严重影响了重建质量。受视觉转换器（ViT）和Swin Transformer最新进展的启发，我们发现将局部感知注意机制与全局相关特征学习相结合可以满足图像压缩的期望。 介绍了一种更简单有效的基 ......
LDAEXC: LncRNA-Disease Associations Prediction with Deep Autoencoder and XGBoost Classifier.
LDAEXC: LncRNA-Disease Associations Prediction with Deep Autoencoder and XGBoost Classifier. 作者: Lu Cuihong; Xie Minzhu 作者背景: College of Information S ......
prometheus federate特性（数据维度抽取）
一、背景描述： prometheus存有大量的监控明细数据，但是报表或者大屏监控需要的是更高维度的数据统计。如果直接从明细数据统计，很可能会因为数据量 过大而导致查询缓慢，甚至prometheus发生OOM。 二、解决思路： 借助prometheus提供的federate特性和recording r ......
四、Hadoop-HA 与 Hadoop-federation
一、Hadoop-HA 1.1 Hadoop1.x带来的问题 1、单点故障 a. 每个群集同一时刻只能有一个NameNode，NameNode存在单点故障（SPOF）。 b. 如果该计算机或进程不可用，则整个群集在整个NameNode重新启动或在另一台计算机上启动之前将不可用 c. 如果发生 ......
CF1901E Compressed Tree（树dp）
Problem 题目地址 Solution 来自fcy大佬的思路 记 \(f_u\) 表示假定以 \(u\) 为根的子树，在压缩后，（子树内的某一个点（包括 \(u\)））可以向外（除\(u\)为根的子树外所以点的集合）连一条边时的最大 \(sum\)。换言之，我们把树拆成 以\(u\)为根的子树（ ......
Federated Learning005
联邦学习——笔记005 2023.11.27周一，最近支原体肺炎高发。研一上课结了一部分，赶紧看论文。 时隔大半年，今天开始学习联邦学习的大综述————Advances and Open Problems in Federated Learning（联邦学习中的最新进展和开放问题） Introduc ......
自动编码器（Autoencoders）和序列到序列（Sequence-to-Sequence）模型区别
核心区别 应用范围：自动编码器主要用于数据的压缩、重建和特征提取，而序列到序列模型用于处理序列数据，特别是在输入和输出都是长度可变的序列的情况下。 数据处理方式：自动编码器处理固定大小的输入和输出，而序列到序列模型处理的输入和输出通常是长度可变的序列。 任务类型：自动编码器更多用于无监督学习任务，而 ......
VARIATIONAL IMAGE COMPRESSION WITH A SCALE HYPERPRIOR
abstruct 描述了一个变分自编码器的端到端图像压缩模型。这个模型结合了超先验来捕获潜在表示的空间依赖性，这种超先验涉及到了边信息。并且改模型与底层的自编码器结合联合训练一个复杂的先验。 introduction 熵编码依赖于编码器和解码器都知道的量化表示的先验概率模型（熵模型）。这种压缩潜在表 ......
Joint Autoregressive and Hierarchical Priors for Learned Image Compression
abstruct 最近的图像压缩模型基于自编码器，学习近似可逆的映射（从像素到量化的可逆表示），这些与熵模型（潜在表示的先验）结合，可以与标准算术编码算法一起使用产生压缩比特流。与简单的全因子先验相比，分层熵模型可以利用更多潜变量中的结构，从而在保存端到端优化的同时提高压缩性能。众所周知，自回归模型 ......
Conditional Probability Models for Deep Image Compression
\(\quad\)在自编码器中使用深度网络已成为有前途的研究方向，这种学习网络有两个挑战： 处理量化与控制reconstruction error (distortion) entropy (rate) of the latent image representation之间的权衡（rate都用熵表 ......
compress压缩模块功能测试
功能介绍 产生随机测试文本或者进行功能验证 功能验证指通过分别通过verilog与python打印压缩后序列，进行文本比对。 python代码 import sys import random import argparse str_line = '' def huffmancode(RG_type ......
Dynamic Client Association for Energy-Aware Hierarchical Federated Learning
1 简单说明 这个文章是讲基于能量意识的动态用户选择， 在hfl的框架下。 因为边缘服务器到客户端这个层级存在着一些选择的关系。 发表在wcnc，一个c类会议上。 2 摘要 Abstract-Federated learning (FL) has become a promising solutio ......
ALSA Compress-Offload API
概述 从 ALSA API 的早期开始，它就被定义为支持 PCM，或考虑到了 IEC61937 等固定比特率的载荷。参数和返回值以帧计算是常态，这使得扩展已有的 API 以支持压缩数据流充满挑战。 最近这些年，音频数字信号处理器 (DSP) 常常被集成进片上系统 (SoC) 设计中，且 DSPs 也 ......
AT_agc034_e Complete Compress
原题链接 这里是用 set 实现的换根 DP，时间复杂度 \(O(n\log n)\)。 记 \(siz_x,g_x,f_x\) 分别为 \(x\) 及其子树中有多少个关键点，所有关键点到 \(x\) 的距离和，将关键点尽可能两两向上合并后到 \(x\) 的距离和（我愿意理解为是将 \(g_x\) ......
Variational Autoencoders for Collaborative Filtering论文阅读笔记
摘要 将VAE扩展到具有隐式反馈的协同过滤，这样能够超越线性因子模型。提出了一个具有多项式条件似然的神经生成模型。目前推荐系统用的比较多的是rank指标，这里本文也说明了为什么多项似然非常适合隐式反馈数据建模。相对于高斯函数和逻辑函数更加接近rank损失 马上提出了一个比较有意思的观点，虽然推荐被认 ......
Checkerboard Context Model for Efficient Learned Image Compression
目录AbstractIntroductionPreliminary 初步介绍Variational Image Compression with Hyperprior(超先验变分图像压缩)Autoregressive Context(自回归上下文模型)Parallel Context Modelin ......
AutoRec Autoencoders Meet Collaborative Filtering 论文阅读笔记
这个是第一篇将自编码器应用到推荐系统中的论文，也是将深度学习应用到推荐系统中的论文。比较老，主要学习它的思想，对输入的编码与重建。这篇文章提出了基于AutoEncoder的协同过滤方法来解决评分预测问题 我们的目标就是设计一个基于项目或者用户的自动编码器，它可以将每个部分观察到的\(r^u(r^i) ......
[机器学习] 5. 一致收敛性 Uniform Convergency
回顾不可知 PAC 的定义 定义 一个假设类 \(\mathcal H\) 是不可知 PAC 可学习的，如果存在函数 \(m_{\mathcal H} : (0, 1)^2 \to \mathbb N\) 和一个学习算法满足，对任意 \(\epsilon, \delta \in (0, 1)\)、\ ......
ELIC: Efficient Learned Image Compression with Unevenly Grouped Space-Channel Contextual Adaptive Coding
abstruct \(\quad\) 受能量压缩表现的启发，提出了不均匀通道情况自适应编码.结合不均匀分组模型和现有上下文模型，获得一种空间通道上下文自适应模型，来提高编码性能，而不影响其运行时间。 \(\quad\)这种模型支持预览解码和渐进解码。 introduction 学习图像压缩中最重要的 ......