一种基于合同理论的可激励联邦学习模型

针对目前较少研究去中心化联邦学习中的激励机制设计,且已有联邦学习激励机制较少以全局模型效果为出发点的现状,该文为去中心化联邦学习加入了基于合同理论的联邦学习激励机制,提出一种新的可激励的联邦学习模型。使用区块链与星际文件系统(IPFS)取代传统联邦学习的中央服务器,用于模型参数存储与分发,在此基础上使用一个合同发布者来负责合同的制定和发布,各个联邦学习参与方结合本地数据质量选择签订合同。每轮本地训练结束后合同发布者将对各个本地训练模型进行评估,若满足签订合同时约定的奖励发放条件则发放相应的奖励,同时全局模型的聚合也基于奖励结果进行模型参数的聚合。通过在MNIST数据集以及行业用电量数据集上进行实验验证,相比于传统联邦学习,加入激励机制后的联邦学习训练得到的全局模型效果更优,同时去中心化的结构也提高了联邦学习的鲁棒性。     

ILs-MPEG对PLA玻璃化转变温度和热稳定性的影响

利用链长不同的含聚乙二醇单甲醚侧链的咪唑基离子液体( ILs-MPEG)改性聚乳酸(PLA),通过熔融共混法制备PLA/ILs-MPEG共混物试样.采用扫描电子显微镜观察了ILs-MPEG在PLA基体中的分散情况,应用差示扫描量热仪和热重分析仪,分别研究了ILs-MPEG对PLA的增塑作用与热稳定性的影响.结果表明,ILs-MPEG可较为均匀地分散在PLA基体中,但随着其侧链长度增加,分散性下降.ILs-MPEG能促使PLA的玻璃化转变温度(Tg)明显降低,表现出显著的增塑作用,同时PLA热稳定性随ILs-MPEG侧链长度增加均呈先增加后减小的趋势.其中,ILs-MPEG800能有效降低PLA的Tg,但对PLA的热稳定性影响最小.     

地浸采铀专家系统（ESILU）中的数据处理与图形设计

本文着重阐述了地浸采铀专家系统中的数据输入方法及浸出工艺与矿山规划模块中图形的程序设计与实现。