批量归一化的自适应联邦学习算法

针对联邦学习模型在训练过程中出现的客户端漂移以及协变量偏移的问题,提出一种基于批量归一化的自适应联邦学习算法。该算法融合参数自适应更新与批量归一化。在迭代的过程中,客户端本地模型通过自适应参数不断优化,从而缓解客户端漂移。通过批量归一化约束模型复杂度,算法收敛速度显著加快。使用时装数据集以及图像10分类数据集分别在卷积神经网络以及多层感知机网络模型上进行实验。结果表明,相较于经典的联邦平均算法,提出的算法在提升精度的同时加快了30%以上的收敛速度。在非独立同分布的数据实验中,该算法在设备低参与率的情况下也能够达到预期的效果。     

自适应量化权重用于通信高效联邦学习

针对联邦学习训练过程中通信资源有限的问题,本文提出了两种联邦学习算法:自适应量化权重算法和权重复用控制算法,前者对权重的位数进行压缩,减少通信过程中传输的比特数,算法在迭代过程中,自适应调整量化因子,不断减少量化误差;后者能阻止不必要的更新上传,从而减少上传的比特数.基于标准检测数据集Mnist和Cifar10,在CNN和MLP网络模型上做了仿真模拟,实验结果表明,与典型的联邦平均算法相比,提出的算法降低了75%以上的通信成本.     

基于数理统计的试卷质量分析方法

试卷质量是能否检验教学质量真实情况的关键,试卷质量分析是教育统计中的一个重要组成部分.基于数理统计的方法,本文对《高等数学》考试试卷进行定量分析,方法简单、具有可靠性与广泛的适用性,为更好地编制试题提供了依据和方向.     

基于数理统计的试卷质量分析方法

试卷质量是能沓检验教学质量真实情况的关键，试卷质量分析是教育统计中的一个重要组成部分．基于数理统计的方法，本文对《高等数学》考试试卷进行定量分析，方法简单、具有可靠性与广泛的适用性，为更好地编制试题提供了依据和方向．     

超疏水铜表面的电化学制备及其耐腐蚀性能

通过用电沉积法在铜片表面上生长了具有双尺寸粗糙度的铜膜,并用扫描电镜(SEM)、X射线能量色散谱(EDX)、X射线衍射仪(XRD)、接触角测量仪以及电化学工作站等对其进行详细表征。结果表明,所得铜表面是由纳米片组成的微米花组成。经硬脂酸修饰后,所得铜表面具有优异的超疏水性、不粘附性和耐腐蚀性能;与水的表面接触角高达167°,滚动角低至1.8°。超疏水性能归因于铜片表面上的微纳米结构以及低表面能的硬脂酸分子。     

Ag/rGO纳米粒子的合成及其催化还原对硝基苯酚

采用液相共还原法在没有表面活性剂条件下原位制备Ag/rGO纳米催化材料,并用XRD、EDX、FTIR、Raman、SEM和TEM对所得产物进行了详细表征。结果表明:氧化石墨烯和银离子同时被还原,直径约为5nm的银纳米粒子均匀负载在石墨烯片层上。所制备的Ag/rGO纳米催化剂对硼氢化钠还原对硝基苯酚(4-NP)具有明显的催化活性;当Ag负载量(质量分数)为10%时,该反应在室温下的反应速率常数可达到0.332min-1,表观活化能为34.4kJ·mol-1。该Ag/rGO纳米复合粒子有望成为还原对硝基苯酚的工业催化剂。