开启联邦学习的个性化时代：隐私、安全与效率的平衡探索

人工智能为公共和国防安全的发展和应用提供了巨大的机遇,然而国防安全数据包含了敏感的军事、情报和战略信息,一旦泄露或被滥用,可能对国家安全造成严重威胁,如何确保国防安全数据的隐私保护成为一项重要挑战。个性化联邦学习是近年来发展起来的一种新型的机器学习方法,它旨在通过将分布式的数据在本地进行训练和更新,从而实现在保护数据隐私的前提下提高本地模型的准确性和鲁棒性。与传统的中心化机器学习方法不同,个性化联邦学习允许不同数据拥有者之间共享模型的信息,而不是数据本身。这种方法已经在医疗、金融、物联网等领域得到了广泛的应用。本文从全局模型个性化和本地模型个性化两个方面分别介绍了个性化联邦学习的基本原理以及研究现状,总结了各个方法的优缺点,并讨论了现有方法的评价指标和常用数据集,最后展望了它在未来的发展前景。     

Personalized Cancer Immunotherapy via Transporting Endogenous Tumor Antigens to Lymph Nodes Mediated by Nano Fe3O4

While immunotherapy has a tremendous clinical potential to combat cancer, immune responses generated by conventional cancer immunotherapy remain not enough to completely eliminate tumors, mainly due to the tumor's immunosuppressive microenvironment and heterogeneity of tumor immunogenicity. To improve antitumor immune responses and realize personalized immunotherapy, in this report, endogenous tumor antigens (ETAs) that dynamically present on tumor cells are transported to lymph nodes (LNs). Based on the hypothesis that nano Fe₃O₄ (≈10 nm) could serve as the nanocarrier for transporting ETAs from the tumor to LNs, we wondrously find that Fe₃O₄ has a tremendous potential to improve cancer immunotherapy, because of its excellent protein‐captured efficiency and LNs‐targeted ability. To ensure the optimal ETAs‐bound efficiency of Fe₃O₄, a core–shell formulation (denoted as Ce6/Fe₃O₄‐L) is developed and specific release of Fe₃O₄ in tumor is enabled. These findings provide a simple and general strategy for boosting cytotoxic T‐cell response and realizing personalized cancer immunotherapy simultaneously.     

作业评价系统的研究与设计

作业评价作为课程评价的一个重要方面,反映了学生在学习过程中的发展情况.本文在分析过程性评价、多元化评价以及个性化反馈理念的基础上,设计了基于Web的作业评价与反馈系统.将作业展示在学习平台中,通过自评、互评、教评层层递进的形式对学习过程进行多元化的全面评价,针对互动评价过程进行个性化反馈和指导,引导学生自我反思,调动学生积极性,促进学生全面发展.     

一种基于领域本体的用户建模方法

针对当前大多数个性化服务系统的不足,以旅游领域为背景,提出了一种新的基于本体的用户模型构建方法,利用领域本体中的概念、实例和属性描述用户兴趣特征,实现了在语义层次上理解用户兴趣。实验表明,该方法能有效提高用户模型的质量。     

基于多代理的个性化推荐学习系统

针对现有学习系统存在信息过载、缺乏个性化服务能力、不能提供检索服务的问题,提出基于多代理构建个性化推荐学习系统。该系统利用JADE设计学习者Agent与推荐Agent,采用Lucene设计带有个性化能力的搜索引擎支持推荐,并融合3种推荐方法发挥多Agent间协商与协作的优势。实验结果表明,相比单一推荐方法,该系统具有较好的推荐效果和效率。     

Guiding students to the right questions: adaptive navigation support in an E‐Learning system for Java programming

Rapid growth of the volume of interactive questions available to the students of modern E‐Learning courses placed the problem of personalized guidance on the agenda of E‐Learning researchers. Without proper guidance, students frequently select too simple or too complicated problems and ended either bored or discouraged. This paper explores a specific personalized guidance technology known as adaptive navigation support. We developed JavaGuide, a system, which guides students to appropriate questions in a Java programming course, and investigated the effect of personalized guidance a three‐semester long classroom study. The results of this study confirm the educational and motivational effects of adaptive navigation support.     

基于用户浏览行为的用户模型调整算法研究

个性化信息服务越来越成为信息检索领域中研究的热点。针对用户模型构造问题,文章结合手工定制建模与自动分析建模技术;并改进文档特征向量的权重计算方式,提高特征向量表示文档的能力;并结合用户浏览行为的页面反馈度计算,提出了一种用户模型智能调整算法。模拟实验表明,该结构和算法能够有效地提高检索结果的准确度,并且具有良好的可适应性。     

个性化图像推荐及可视化研究

传统图像检索系统中的图像标注与视觉特征存在语义鸿沟现象、未考虑图像标注的潜在语义联系,且检索界面显示效果不佳、个性化程度不高。针对上述问题,提出一种融合图像标注语义与图像视觉特征的个性化图像推荐模型。分析图像标注语义之间的关系,采用双曲空间和庞加莱磁盘模型进行图像可视化。实验结果证明,该模型具有可行性和有效性。     

通用的个性化自动谈判服务框架及其实现

针对目前缺少从用户的个性化服务需求到主体服务实现角度设计的通用框架的问题,给出一个通用的个性化自动谈判框架。提出用户个性化服务需求转换为主体服务实现的方法和主体谈判服务的实现步骤,通过一个典型案例的实现与分析结果表明,该框架具有较好的实用性。