文章分类 -  AI学习

横向、纵向和迁移学习_联邦学习
摘要：横向、纵向和迁移学习_联邦学习 1. 横向联邦学习 ​ 横向联邦学习适用于联邦学习的参与方的数据有重叠的数据特征， 即数据特征在参与方之间是对齐的，但是参与方拥有的数据样本是不同 的。它类似于在表格视图中将数据水平划分的情况。因此，我们也将横 向联邦学习称为按样本划分的联邦学习（Sample-Par 阅读全文
posted @ 2023-09-24 11:27 哥谭joker 阅读(332) 评论(0) 推荐(0)
数据和信息的区别_联邦学习
摘要：数据和信息的区别_联邦学习 数据是对客观事物记录下来的可以鉴别的符号。这些符号不仅指数字，而且包括字符、文字、图形等；信息是经过加工后并对客观世界产生影响的数据。 数据 信息 来源 数据是数据采集时提供的 信息是从采集的数据中获取的有用信息 本原 数据反映的是事物的表象 信息反映的是事物的本质 形态 阅读全文
posted @ 2023-09-24 10:07 哥谭joker 阅读(36) 评论(0) 推荐(0)
数据孤岛_联邦学习
摘要：数据孤岛_联邦学习 定义：数据孤岛是指在数据及数据集的形成、分析、使用过程中，由于主体能动性、客体技术性以及政策环境、制度建设等不完备形成的不对称、冗余等封闭、半封闭式现象。 例如，不同部门、不同业务信息系统数据库中的数据往往无法互通，只能在各自数据库中储存，无法统一进行利用，没有针对企业整体的全局 阅读全文
posted @ 2023-09-23 23:22 哥谭joker 阅读(21) 评论(0) 推荐(0)
范数
摘要：范数 范数是一种强化了的距离概念；简单来说，可以把『范数』理解为『距离』。 在数学上，范数包括『向量范数』和『矩阵范数』： 向量范数（Vector Norm），表征向量空间中向量的大小。向量空间中的向量都是有大小的，这个大小就是用范数来度量。不同的范数都可以来度量这个大小，就好比米和尺都可以来度量远 阅读全文
posted @ 2023-09-22 15:19 哥谭joker 阅读(18) 评论(0) 推荐(0)
Hadamard 乘积 A⊙B
摘要：Hadamard 乘积，记为 A⊙B ​ 也称为元素对应乘积。 ​ 如果矩阵 A 的形状是 m × n，矩阵 B 的形状是 n × p，那么矩阵C 的形状是 m × p。我们可以通过将两个或多个矩阵并列放置以书写矩阵乘法，例如C = A · B。 ​ 具体地，该乘法操作定义为 \[C_{i,j} = 阅读全文
posted @ 2023-09-22 14:06 哥谭joker 阅读(1132) 评论(0) 推荐(0)
数学基础符号表
摘要：AI数学符号表 min，max，arg min，arg max min{f(x)}：输出f(x)的最小值 max{f(x)}：输出f(x)的最大值 arg min{f(x)}：输出令f(x)取最小值的x arg max{f(x)}：输出a令f(x)取最大值的x 阅读全文
posted @ 2023-09-21 16:24 哥谭joker 阅读(12) 评论(0) 推荐(0)
张量的定义
摘要：线性代数与矩阵 张量（Tensor） 几何代数中定义的张量，是基于向量和矩阵的推广。 标量，可以视为零阶张量 向量，可以视为一阶张量 矩阵，可以视为二阶张量 图片以矩阵形态表示：将一张彩色图片表示成一个 的三阶张量，其中 是高， 是宽， 通常取 ，表示彩色图 个颜色通道。 在这个例子的基础上，将这一 阅读全文
posted @ 2023-09-18 18:03 哥谭joker 阅读(81) 评论(0) 推荐(0)
人工智能AI各方向
摘要：图形处理器（GPU）或专用的AI加速器（如TPU） 阅读全文
posted @ 2023-09-09 16:16 哥谭joker 阅读(13) 评论(0) 推荐(0)