Culture model —— Model thinking lecture note (7)

本文通过构建一个模拟社会中个体间互动的模型来探讨不同文化为何会产生差异。假设在一个方格中每个人都有特定的特征,领导者与追随者之间的互动会导致特质的变化。通过一致性假设和马尔科夫过程的应用,即使微小的初始差异也可能导致群体内部出现显著的文化差异。

Why cultures are different?

Assume that we have a n*n square. Each block represent a person.

Assumption 1 : we have several features to coordinate each feature has a trait. a trait looks like {1,2,2,2,2,2}

Assumption 2 : Some people are leaders while the others are follower. Each person may have a probability to interact which depends on how similar are their traits. Follower may change one number in the trait while they interact with a leader.

Finally we can see some people look more similar (their trait look similar) while other people have a much more deeper boundaries to interact.

What's the difference between coordination game & standing ovation?

The payoff is difference. In coordination game, if people don't coordinate with others, that will lead to a horrible result. While in standing ovation the payoff is small, you may not coordinate with others.

Culture may get suboptimal cuz ohter people choose to do it.

Why can we see the difference within a group

After we adding consistency which means { 1 , 2 ,2} may become {2 , 2 ,2} and using markov process, a little error term may lead to a huge difference inside the group.

 

内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值