Transformer 作为一种基于注意力的编码器 - 解码器架构，不仅彻底改变了自然语言处理（NLP）领域，还在计算机视觉（CV）领域做出了一些开创性的工作。与卷积神经网络（CNN）相比，视觉 Transformer（ViT）依靠出色的建模能力，在 ImageNet、C...

风控是业务健康发展的保障。通过大数据建模可以实现智能风控，对作弊和欺诈等行为进行风险识别和控制，有效提升风控效果。而大数据则是智能风控的基础，在实际应用中却很难集中整合数据用于风控建模。出于隐私保护和商业竞...

第1篇是对联邦图神经网络的调研，将目前的工作根据三层分类法进行了划分，即根据数据的原始存在形式、联邦学习的常规设置进行了分类介绍；

身处“数据时代”，如何有效挖掘数据中蕴藏的智能而不侵害数据本身的隐私和安全，是我们推动社会进步和生产力发展需要共同思考和实践的一个课题。隐私计算的本质就是在实现“数据可用不可见”这一目标的过程中产生的一系...

作为隐私计算体系的重要技术之一，联邦学习（Federated Learning，FL）是一种使用中央服务器训练共享全局模型的机制，同时将所有敏感数据保存在数据所属的本地机构中，为连接分散的医疗数据源和保护隐私提供了巨大前景。...

2021年3月30日，IEEE标准协会(IEEE Standards Association)通过确认联邦学习架构和应用规范的标准P3652.1（Guide for Architectural Framework and Application of Federated Machine Learning），并发布正式标......

联邦学习是一种机器学习设定，其中许多客户端（例如：移动设备或整个组织）在中央服务器（例如：服务提供商）的协调下共同训练模型，同时保持训练数据的去中心化及分散性。联邦学习的长期目标则是：在不暴露数据的情况下分析和学习多个...

上一文（【科普】半监督学习的概述与思考，及其在联邦学习场景下的应用）中，我们主要介绍了半监督学习相关的基础知识、方法以及一些SOTA论文，接下来我们将从联邦学习结合半监督学习的角度来进行探讨。...

机器之心报道 机器之心编辑部 时在中春，阳和方起。3 月 23 日，机器之心 AI 科技年会以线上直播方式成功举办。 在这次活动中，我们设置了人工智能论坛、AI x Science 论坛和首席智行官大会三场论坛，并邀请到了 30 位重量...

每天给你送来NLP技术干货！ ---- 来自：专知 华南师范大学等《知识蒸馏》最新综述论文 高性能的深度学习网络通常是计算型和参数密集型的，难以应用于资源受限的边缘设备. 为了能够在低 资源设备上运行深度学习模型，需要研...