面向区块链的在线联邦增量学习算法

针对传统数据处理技术存在模型过时、泛化能力减弱以及并未考虑多源数据安全性的问题,提出一种面向区块链的在线联邦增量学习算法。该算法将集成学习与增量学习应用到联邦学习的框架下,使用stacking集成算法来整合多方本地模型,且将模型训练阶段的模型参数上传至区块链并快速同步,使得在建立的全局模型准确率仅下降1%的情况下,模型在训练阶段与存储阶段的安全性均得到了提升,降低了数据存储与模型参数传输的成本,同时也降低了因模型梯度更新造成数据泄漏的风险。实验结果表明,在公开的数据集上进行训练,各时间段内模型的准确度均在91.5%以上,且方差均低于10^-5;与传统整合数据训练模型相比,该模型在准确率上略有下降,但能够在保证模型准确率的同时提高数据与模型的安全性。

基于层析分析改进的联邦平均算法

联邦平均(Fedavg)算法采用权重更新来更新全局模型,该算法在权重更新时仅考虑每个客户端数据量的大小,未考虑数据质量对模型的影响。针对该问题,文中提出了基于层次分析改进的联邦平均算法,首次从数据质量的角度来处理多源数据。首先采用熵权法计算数据中各属性的重要度,并将其作为层次分析中准则层的数值,计算每个客户端数据的质量,然后结合客户端数据量的大小,重新计算全局模型中的权重。仿真实验的结果表明,对于中小型数据集而言,使用支持向量机训练的模型准确度最高,达到了85.7152%;对于大型数据集而言,采用随机森林训练的模型准确率最高,达到了91.9321%。与传统联邦平均方法相比,所提方法在中小数据集上准确率提升了3.5%,在大数据集上提升了1.3%,能够在提升模型准确率的同时提高数据与模型的安全性。

改进的联邦加权平均算法

针对基于层次分析改进的联邦平均算法在计算其数据质量时存在主观因素的影响,提出改进的联邦加权平均算法,从数据质量的角度来处理多源数据。首先,将训练样本划分为预训练样本与预测试样本;然后,使用初始全局模型在预训练数据上的精度作为该数据源的质量权重;最后,将质量权重引入到联邦平均算法中,重新进行全局模型中权重更新。仿真结果表明,在均等分割的数据集与非均等分割的数据集上,改进的联邦加权平均算法训练的模型与传统联邦平均算法训练的模型相比,准确率最高分别提升了1.59%和1.24%;改进的联邦加权平均算法训练的模型与传统整合多方数据再训练的模型相比,虽然准确率略有下降,但数据与模型的安全性有所提升。

高校毕业生就业能力评价模型构建与实证研究

就业能力的增值是实现高质量就业和充分就业的重要保障,在疫情防控常态化的背景下,大学生就业能力如何实现增值,是当前研究的热点问题。根据人岗匹配原则,构建大学生就业能力评价指标体系,并进行实证研究。通过模糊综合评价将高校和用人单位对毕业生的评价进行差异性分析。结果表明:专业知识储备是力量源泉,创新能力是力量体现。高校与用人单位在对学生就业能力认知方面存在差异,且后疫情时代三方信息传递高效化问题亟须解决,以此提出了相关建议。

充填体真三轴加卸荷全过程声发射序列分形特征试验研究

针对复杂应力条件下充填体因开采导致的瞬态裸露破坏失稳问题,开展充填体真三轴加载单向卸荷试验,并结合声发射监测手段及关联维数理论研究充填体因加-卸荷引起的内部损伤特征演化规律。研究结果如下:在不同应力路径的真三轴条件下,充填体均产生X型共轭剪切破坏,且剪切破坏程度受应力载荷影响较大;基于声发射振铃计数率的关联维数能够较好地描述试验过程中充填体内部结构演变过程,且峰后卸荷时呈先增大后减小的规律;当声发射振铃计数率进入平静期且关联维数进入快速下降阶段时,充填体进入失稳阶段。本文研究成果可以为矿石崩落致使充填体侧面裸露时的破坏研究提供参考。

天津市经济活力分析研究

城市经济活力是指一个城市经济发展的能力与潜力。本文以天津市为例,对其经济活力进行分析。首先建立加权偏最小二乘法回归模型得到天津市经济活力的回归方程,其次从人口和企业活力方面对关于经济活力指数的总回归方程进行分析,得出结论为常住人口增速与企业数增速维持平稳将有助于经济活力的提升,最后针对性地提出了提高天津市经济活力的建议方案。