基于分布式存储框架的无中心联邦学习

联邦学习是一种新的机器学习范式,其允许多个参与者在不共享原始数据的情况下以隐私安全的方式协作地训练一个共享的机器学习模型。由于联邦学习可以解决数据孤岛问题,因此其具有广泛的应用价值。然而在传统联邦学习中,使用单一的中央服务器聚合模型可能会导致单点故障问题。为了克服传统联邦学习中的可能存在的单点故障问题,文中提出一种基于区块链的分布式联邦学习(Distributed Federated Learning,DFL),利用区块链的特点,将存储模型的任务委托给区块链网络中的节点。文中提出了一种异步聚合策略,能够让参与者在任意时间加入联邦学习,从而减少参与者的等待时间。为了克服区块链存储限制,文中还设计了一种模型分块策略。该策略将大规模模型分块以满足区块链的存储要求。通过在多个数据集上训练多种机器学习模型来评估DFL,实验结果表明DFL在克服单点故障的同时实现了优于传统方法的性能。

人文关怀下情感空间的塑造——以南宁市巨隆大厦屋顶花园设计为例

屋顶绿化是改善城市环境的重要途径之一,在南宁市巨隆大厦屋顶花园设计中运用了分享与参与,更替与变化的构思,把花园划为休闲活动、文化娱乐、景观体验、安静休息、宅旁绿化五大功能分区,通过"移动的绿罐子"、"屋顶上的菜园子"和"文化四柱"等景点小品反映融合多元文化的动态花园。最终,搭建出情感交流的空间,让社区居民获得了归属感,形成了和谐共融的花园环境景观。

星载低噪声放大器噪声系数的高精度测试方法研究

噪声系数是低噪声放大器的关键指标,它决定了系统的噪声性能。然而现有的测量方法不能修正失配和噪声参数误差,只能给出基于源阻抗的噪声系数。为了提高低噪声放大器噪声系数的测量精度,文章基于矢网冷源噪声系数测试方法,给出优选的矢量噪声校准法,并提出5项重要技术措施以进一步提高低噪声放大器噪声系数的测量精度。相比Y因子法,矢网冷源噪声系数测试方法可以修正失配和噪声参数误差,给出系统阻抗为50Ω时的噪声系数。实验测试结果表明,在14.25 GHz,矢网冷源噪声系数测试方法的测量不确定度为0.17 dB,相比Y因子法测量不确定度0.38 dB,测量精度显著提高,进一步满足了高精度的测试要求。

万物并作,吾以观复——南湖公园环湖路改造工程

南宁市南湖公园的环湖路是一条老旧的园区主路,针对市民反映比较集中的道路内涝积水问题,政府提出了要对该园路进行改造提升,工程方案将快速渗透的目标理念与海绵城市建设理念相结合,提出了通过铺设透水沥青面层的形式,以控制初期雨水径流及初期雨水污染为主要设计目的,最终实现道路雨水快速渗透的直观舒适感受。该工程为南湖整体海绵化建设探索出一条兼顾生态效益和经济效益的道路。

基于MATLAB的阿伦方差测试软件设计与实现

为了实现阿伦方差的灵活测试,摆脱专用测试仪器的限制,避免因短稳测试仪故障导致测试中断的问题,设计了一种由相位噪声计算阿伦方差的测试软件。首先通过理论推导得到相位噪声转换阿伦方差的关系表达式,其次利用MATLAB对相位噪声数据进行采集和处理,通过转换公式间接计算出阿伦方差,结果显示测试精度可达到10^(-11)量级。与短稳测试仪(PN9000)相比,测试结果可达到同一数量级,能够满足测试要求。利用MATLAB提供的GUI模块开发设计,为测试工程师提供了友好又简洁的操作界面,提高了测试效率。