基于联邦学习的多技术融合数据交易方法

数据保护的约束使得数据被限制在不同企业和组织之间,形成了众多“数据孤岛”,难以发挥其蕴含的重要价值。联邦学习的出现使得数据在组织之间共享成为可能,但利益分配方案不明确、通信成本高、中心化等问题使其难以满足数据交易场景的多方位需求。针对这些问题,提出一种基于联邦学习的多技术融合数据交易方法(MTFDT)。通过结合可信执行环境与沙普利值进行激励机制设计,并对交易过程中模型数据同步机制进行优化,提出一种基于树型拓扑结构的模型同步方案,使得同步时间复杂度由线性级降低至对数级。同时,设计基于区块链的利益分配数据和模型数据存储方案,使得交易过程信息不可篡改并能够通过溯源的方式进行追责。基于公开数据集进行仿真对比,实验结果表明,MTFDT能够实现模型训练效果的精确评估,提高利益分配的公平性,相比已有方案,模型同步时间消耗最多减少34%且对带宽要求更低。

例谈中学“有广度”数学课堂的实施路径

构建“有广度”的数学课堂是落实核心素养培养目标,构建高效数学课堂的有效措施。在中学数学课堂中,教师可以以大概念为视角,以大单元为载体,通过情境创设、任务驱动等方式进行教学,构建“有广度”的数学课堂,促进学生形成良好的数学认知结构。

改进?鱼优化算法和熵测度的图像多阈值分割

针对传统图像多阈值分割方法存在效率低、分割质量差等问题,提出一种改进?鱼优化算法并结合熵测度(weight lens remora optimization algorithm,WLROA)的图像多阈值分割方法。针对?鱼优化算法易陷入局部极值等缺陷,引入透镜成像反向学习策略,生成透镜反向解来增加种群多样性,进而提高算法跳出局部极值能力;提出一种自适应权重因子,对个体位置进行自适应扰动,提高算法探索能力。以最小化交叉熵作为优化目标,利用WLROA确定最小交叉熵并获得相应分割阈值。选取部分伯克利大学分割数据集图像和遥感图像测试提出算法的分割性能,测试结果表明,WLROA与其他知名算法相比具有更好的分割效果,能够有效实现复杂图像的精确处理。

基于GATv2的网络入侵异常检测方法

【目的】随着网络环境日益复杂化,其所遭受的威胁也愈发严重。入侵检测作为网络安全主动防御的重要手段之一,需要提供更健壮、更有效的检测方法来应对这些挑战。【方法】图神经网络在异常检测方面表现优异。本文基于GATv2(一种改进的图神经网络方法)来构建网络入侵检测的图神经网络方法E-ResGATv2。具体来说,首先将网络流量数据构建成网络流量图,然后通过图形转换来将流量图转换成适合图神经网络处理的图形,以此检测入侵异常流量,并将残差学习集成到图神经网络聚合信息的过程中。【结果】在两个公开入侵检测数据集上的实验结果表明,E-ResGATv2方法的检测效果要好于原始图神经方法,并且具有更强的抗噪能力。【结论】在与机器学习方法取得相似检测效果的情况下,图神经网络方法表现出更强的抗干扰能力,这在复杂多变的网络环境中具有实际意义。

身份加密多云多副本完整性审计协议

为解决现有可证明数据持有(PDP)协议只适用于单云存储服务器且过度依赖公钥基础设施的问题,提出一种新的基于身份的多云多副本PDP协议。该协议采用身份加密来简化证书管理,并设计双层默克尔哈希树作为新的安全数据结构,以维护多副本的新鲜性和一致性。安全性分析和实验结果均验证了该协议具备安全性和高效性,能够在多个云存储服务器上实现多副本完整性审计,并在标签生成、证据生成和证据验证3个阶段的效率上明显优于对比算法。

关键路径预搜索的符号执行智能合约漏洞检测

针对传统符号执行在不必要、不相关的路径上消耗大量时间与资源,效率低等问题,提出了利用静态检测预扫描智能合约关键路径优化符号执行验证,避免非必要路径搜索增加的资源消耗,实现基于关键路径预搜索的符号执行。该方法与现有主流检测工具进行对比实验,结果显示:Gas耗尽拒绝服务漏洞覆盖率达98%,检测准确度为84.3%,远高于均值37.2%;对存储覆盖漏洞合约的全覆盖,检测准确率为86.1%,验证了该方法的高效性与稳定性。

基于学习大数据的学习评价:原理、模型及实施策略研究

随着5G网络、大数据、万联网和人工智能的颠覆式创新发展,基于学习过程大数据的学习评价已成为教育评价研究的新热点,并初步呈现出以大数据为基础的新一代评价范式转型建构之趋势。文章在界定学习大数据概念的基础上,阐释论述了学习大数据的价值和基于学习大数据的学习评价原理,诠释构建了基于学习大数据的过程性评价模型,论述并提出了基于个性化学习大数据的学习评价实施策略。

学习大数据支持的学习评价变革:内涵、挑战及趋势

本文在界定学习大数据和学习评价概念的基础上,分析和阐述了学习大数据对学习评价在评价观念、评价主体、评价过程、评价目标和评价结果等五个方面带来的冲击和挑战,并预测阐释了未来信息技术赋能学习评价变革创新的三大主要趋势:物联网感知技术与学习评价衔接融合趋势、大数据分析技术与学习评价创新融合趋势、人工智能技术与学习评价集成融合趋势。

PISA 2022数学测评中问题解决能力的考查及启示

问题解决能力为学生日后参与社会生活和终身学习奠定了重要基础,该能力作为一种数学综合能力受到国际大型测评项目的普遍重视,我国也把问题解决列为义务教育数学学科核心素养之一。PISA 2022数学素养测评框架继续强调问题解决能力的核心地位:在考查内容方面,在数量(大数据)环境维度下突出计算机模拟,在不确定性和数据维度下突出条件决策,在变化和关系维度下突出增长现象,在空间和形状维度下突出几何估计;在考查载体方面,问题情境偏向现实问题背景;在考查方式方面,注重测评与信息技术的深度融合;在考查过程方面,强调数学推理,重构了数学建模过程。这启示教师在培养学生的数学问题解决能力时应认识数学推理的重要性;注重与真实世界情境的融合,让问题解决测试情境化;通过多维的测评内容,考查学生的综合能力;加强基于计算机自适应测试工具的开发,让学生在数字化环境与场景中学会解决具体问题。

非Lipschitz条件下高维McKean-Vlasov随机微分方程解的存在唯一性

研究了一类漂移系数不连续的高维McKean-Vlasov随机微分方程及相应的粒子系统解的存在唯一性.在漂移系数关于空间变量逐段Lipschitz连续的条件下,首先利用Zvonkin变换将方程转换为漂移系数为Lipschitz连续的McKean-Vlasov随机微分方程,变换后的方程存在唯一解.然后由变换函数的性质可得逆函数的存在性和Lipschitz连续性.最后由Ito公式及逆函数的性质可得原来的McKean-Vlasov随机微分方程及相应的粒子系统解的存在唯一性.

基于机器学习的比特币实体分类方法研究综述

比特币是一种去中心化的电子加密货币,交易地址的匿名性隐藏了交易用户的真实身份,导致比特币被一些不法分子应用于各类非法活动中。通过分析已知实体的交易属性和行为特征,利用机器学习的方法可以对未知实体的交易类别进行预测。本文首先概述了比特币实体类别及分类标签的来源;其次,分析和归纳了基于机器学习的比特币实体分类方法;最后,分析了现阶段面临的主要问题,并对未来的发展趋势进行了展望。

基于平均能量阈值和模糊理论的无线网络聚类方案

为了实现更好的无线传感器网络性能,提出一种优化的移动汇聚节点高效聚类方案,采用三层通信架构,即节点到簇头、簇头到超级簇头以及超级簇头到移动基站的通信.将传感器节点部署在感兴趣区域,在每次轮换中基于平均阈值和数值在[0, 1]之间的一个随机数以形成聚簇,每当随机因数低于节点生成的平均阈值时,节点将有机会成为簇头.通过模糊逻辑理论,基于模糊描述子来选择超级簇头,但额外考虑簇头的平均能量输入到模糊隶属度函数.仿真结果表明,与LEACH和Fuzzy-LEACH相比,所提方案的稳定周期分别提高了3.41%和3.06%;在网络工作寿命方面,分别提高了157%和46%.与IEERP相比,所提方案的稳定周期相当,但网络吞吐量更大,且工作寿命更长.

高中数学教学中的数学文化融入——以定积分的微元法为例

导数相关内容被引入高中数学拉近了初等数学与现代数学的距离。为使学生进一步感受极限的思想,提高其数学建模能力和科学的思维能力,培养其思辨和探索精神,针对高中导数应用内容,本文提出在此讲解定积分的微元法。课堂设计从定积分的思想和微元法介绍入手,展示立体几何中圆的面积、球的体积等常见公式的由来,渗透一般到特殊的哲学思想,探索中学数学课堂教学融入数学文化及思政元素的途径。

初中生中职升学意愿的差异分析--基于对“三州”地区21531名初三学生的调查

通过对“三州”地区21531名初三学生的调查发现:学生的中职升学意愿并不是很高,仅有31.9%的学生有上中等职业学校的意愿,且以弱势家庭的学生为主;中职升学意愿在学生所在地区(州)、学校性质、学校所在地、家庭所在地、班级性质、性别、学生成绩班级排名、家庭年收入水平、父亲职业、母亲受教育水平等10个维度上均存在显著差异。进一步探究发现,学生有中职升学意愿的原因中,“自己成绩不够好,只能上中职”是最主要的原因,其次是“其他原因(如兴趣爱好等)”,再次是与教育成本有关的“因家庭贫困而上中职,免学费还有生活补助,能减轻家庭经济负担”,而“中职能学技术,将来能安身立命”却仅排在第四位。因此,要提高初三学生对中职教育的需求度,应关注那些“不确定”是否上中职的41.3%的学生及家庭社会资本、经济资本及文化资本较弱的学生,并在短期内尽快提高中职毕业生的工资福利待遇,提升中职学校的教育教学质量及实训条件,增加中职学校的吸引力。此外,加强对职业教育的价值和意义的宣传,改变人们对职业教育的观念歧视亦十分重要。

小学生动商测评指标与模型建构

本研究借鉴国内外已有的测评框架和指标体系,从身体机能与能力、运动认知与态度、运动情感与体验、运动控制与习惯4个维度尝试建构小学生动商测评框架,并通过德尔菲法筛选了29个指标,最终通过专家咨询和统计分析予以确定。与此同时,在专家打分和层次分析的基础上建构小学生动商测评模型,即动商=0.49×身体机能与能力+0.23×运动认知与态度+0.14×(运动情感与体验+运动控制与习惯)。该模型基于小学教育实际进行初步探索,但还需进一步扩大咨询对象,尤其是针对小学生进行实际测量以便改进、修订,增强其科学性和实用性。

置换培训:乡村教师专业能力提升的有效性研究

顶岗置换是一种新型的教师培训模式。自2006年起,海南省“双五百”人才工程项目实施已近15年时间,该工程旨在提高海南省贫困和少数民族地区师资力量。顶岗置换模式实施过程既可以满足职前教师的培养,又可以提高在职教师的培训效率。本研究主要讨论顶岗置换模式在培养培训中的实施现状,培训效果,从而总结经验提出策略,服务农村基础教育,助力精准教育扶贫。

独立同分布随机变量加权和的概率估计

设 {ξ_(i(}^(n)_(i=1)为独立同分布的随机变量,且P(ξ_(i)=1)=P(ξ_(i)=−1)=1/2.设a→=(a_(1),…,a_(n))为与{ξ_(i)}_(i=1)^(n)独立的服从超球面S^(n−1)={(a_(1),…,a_(n))∈R^(n)|∑_(i=1)^(n)a_(i)^(2)=1}上均匀分布的随机变量,该文用极坐标变换得到了P(|∑_(i=1)^(n)a_(i)ξ_(i)|≤1)的表达式.当n≤7时,该文通过直接计算得到此概率值大于等于1/2;当n≥8时,该文通过R软件也得到了此概率值大于等于1/2.特别地,n=3,4时,借助于贝塔函数,该文直接证明了该概率值大于等于1/2.

在线教学环境下大学生学习方式转型研究:问题、趋势与发展路径

突如其来的疫情,打乱了高校教育教学的正常秩序,动摇了已有的教育形态、教学模式和学习方式,倒逼学习方式的适应性变革与转型。从课堂学习到在线学习,不仅是一次教育形态和教学场景的应急性转变,还是一场关涉教育理念、教学模式和学习方式变革与转型的教改试验。文章以疫情期间"停课不停学"为背景,以在线教学环境下的大学生学习方式转型为研究问题域,从学习方式、学习体验和教学模式等三个方面分析了深度在线学习面临的关键问题,预测和阐释了未来学习方式的转型趋势与发展路径。

“互联网+”背景下的课堂教学模式设计

"互联网+"指引着教育现代化发展的方向,对传统教学模式的改造与革新势在必行。该文对"互联网+"背景下课堂教学的互联网支持、教学活动与教学参与者三方面进行分析,提出新型课堂教学模式,并以"多媒体课件教学设计"课程为案例进行说明,以期为互联网时代的教学实践提供参考。

基于全变差模型与卷积神经网络的模糊图像恢复

为了提高模糊图像恢复性能,采用全变差(TV)正则模型进行粗粒度去模糊,运用卷积神经网络(CNN)算法进行模糊图像的像素恢复。首先,根据图像包含的噪声类型选择合适的TV模型,并针对每个像素点进行原始图像和模糊图像的TV正则最小值求解,以实现图像去模糊操作。然后,建立CNN图像恢复优化模型,将经过TV正则化后的分块图像样本作为CNN输入,结合图像信噪比(SNR)增益阈值,通过训练获得图像恢复结果。实验结果表明,采用TV正则策略及CNN的卷积优化,能够满足不同图像模糊核类别和尺寸,以及不同噪声的图像恢复需求,有效提高模糊图像的复原性能。分别采用R-L算法、反向传播神经网络(BPNN)、生成对抗网络(GAN)和TV-CNN算法对5类图像样本集进行性能仿真。通过合理设置卷积核尺寸,相比于其他模糊图像恢复算法,TV-CNN算法能够获得更优的图像恢复质量,且能够有效应对不同模糊核尺寸和不同等级噪声所带来的图像恢复难的问题。