第一篇优快云博客

说说自己

计算机科学与技术本科于18年毕业,因为家在深圳原因,所以毕业后也就在深圳工作发展了,目前从事Java开发一职,个人性格平和,多数时候还是比较内向安静的。偶尔会关注研究下新的技术,喜欢乒乓,追番(各番都追,标准二刺猿),打机(PC,主机双党)。

为什么开始写博客

写博客的想法其实早就有了,大概在大三的时候看到一个大佬的博客,被惊艳到了(特别是整合了当时比较流行的liv2d webGL,直接点燃二刺猿之魂),就想着自己也做个牛逼的博客,震惊所有人(现在想想还是太中二天真了),因为在校期间自己也参加了团队,期间为导师打工,偶尔参加下比赛(中国软件杯拿了国一可以吹逼下(〃‘▽’〃)),所以没有腾出太多时间来完成自己的博客,还有一点就是随着自己知识的积累,每次都想将最新的技术用在自己的博客上,开始是servlet + JSP,在到后面的SSH, SSM + JSP,后面又稍微学了点前端的VUE 与 后端的spring boot cloud,所以每次都会出现框架还没怎么搭好,就被推倒重做了。期间开始用印象笔记,也开始不断将自己积累的知识写在笔记中(目前也多多少少记了1000多篇了,当然包括生活与学习)。

不清楚是不是性格使然,每次打字都会斟酌半天,所以相较于对排版,内容深度,创作难度都要求较高的博客,轻量,要求较低的随笔/笔记更加能让我有编写的欲望。
现在工作也快三年了,感觉工作后自己就开启了咸鱼模式,在咸了两年后,自己都被身上的咸味熏到了,所以最近报了个学习班,一来想督促自己快点清醒,走出舒适圈,二来也想学下本领域的新知识。所以想写博客的想法也再次被激活,这次学乖了,放弃幻想自己写个狂暴酷炫的页面,转向内容为主导的非自建博客,开始就想到了优快云,主要是在这几年的工作与生活中遇到的问题,大部分都被优快云上的大佬们解决了(跪谢大佬们),身边的同事,朋友也在这上面写博客,所以我的第一篇也打算献给它了(⁄(⁄ ⁄•⁄ω⁄•⁄ ⁄)⁄)。

最后写给自己的

不劝自己啥不忘初心,方得始终,毕竟健康第一,生活第二,工作第N,自己开心就好,只是希望自己有空记得回来看看(〃‘▽’〃)。

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。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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