恭喜Minya Konka获得第一块银牌!

S# School Rk Team Slv. Time A
37/160
B
44/355
C
3/14
D
40/286
E
1/2
F
122/424
G
3/52
H
165/189
I
0/46
J
105/434
1 清华大学 1 NowOrNever 8 1031 2/85 2/206 1/186 2/168   2/23 1/238 1/7 3 1/38
* 电子科技大学 2 UESTC_Aspidochelone 7 976 4/122 1/247 3/252 2/114   2/21   1/7 10 1/73
2 中山大学 3 SYSU_ArthasMenethil 7 1022 3/189 2/116 1 1/162 1/263 1/73   1/22   3/97
3 北京师范大学 4 latte 7 1256 3/195 2/224 1/272 7/155   3/52   1/18   2/100
4 复旦大学 5 DarkHistory 6 637 1/131 1/95   5/204   2/25   1/15 3 1/67
5 浙江大学 6 eternal reality 6 692 2/181 1/121   3/193   2/36   1/7 3 1/74
6 华南理工大学 7 SCUT_Iron Man 6 704 2/251 1/192   2/80   1/13   1/27 7 1/101
  浙江大学 8 Transmutation 6 743 1/129 4/269   3/73   1/36   1/14   2/102
7 南京大学 9 Μήδεια 6 779 2/188 1/146   2/183   1/64   1/14   3/104
  复旦大学 10 Radiance 6 808 6/180 1/184   3/185   1/40   1/20   1/59
  中山大学 11 SYSU_IllidanStormrage 6 834 1/157 3/234   6/109   3/15   1/20   2/99
* 四川大学 12 WingsofFreedom 6 860 1/244 2/208   1/185   1/70   1/20   1/113
  复旦大学 13 Remainder 6 874 5/281 2/160   2/114   2/44   1/18 1 2/97
8 北京大学 14 NaN 6 943   4/261 3 1/172   3/56 3/207 1/15   2/72
9 北京邮电大学 15 Tri_integral 6 961 2/280 3/213   1/208   1/122   1/12   1/66
  北京邮电大学 16 dango 6 987 3/225 2/256 4 2/168   3/69   1/14   2/115
  北京大学 17 Muses 6 1177 2/289 3/260   5/278   2/53   1/10   2/107
10 中国科学技术大学 18 daguodunluobo 6 1188 3/281 3/241   9/242   1/48 1 1/22   2/94
  中山大学 19 SYSU_ChenStormstout 6 1254 2/268 7/298   3/228   2/106   1/22   1/132
  北京大学 20 MewHootCoo 5 485 1/188 3/120   13   1/12 5 1/21   3/64
  清华大学 21 oblivious 5 581 1/226 6   2/162   1/37   1/11   3/85
11 南京理工大学 22 Water 5 659 10 1/188   2/210   2/39   1/14   3/128
* 电子科技大学 23 UESTC_A.J 5 700 1/207     2/270   1/91   1/34   2/58
* 北京航空航天大学 24 Phasianus 5 715 4 5/285   3/158 1 2/59   2/14 5 1/39
12 陕西师范大学 25 old weak sick disabled 5 726 1/219 2/285   5   2/46   1/12   3/84
13 武汉大学 26 FreeWaiting 5 802   2/255   3/210   2/73   1/18   1/166
14 吉林大学 27 JLU_Archer 5 822   5/298   5/238   1/48   1/13   1/65
15 北京交通大学 28 Programonkey 5 829 6/276     2/180   2/55   1/25   1/153
16 西安电子科技大学 29 xdu_Avalon 5 866 2/156 7/279   11   3/42   1/19   5/110
* 国防科技大学 30 ALPC_Sesum 5 931 3/287 1   3/292   1/54 2 1/16   2/182
  吉林大学 31 JLU_Throne 5 1012 3/274     3/245   5/163   1/14   2/136
  华南理工大学 32 SCUT_Railgun 5 1224   3/199   7/246   2/283   1/46 3 3/230
* 成都七中 33 成都七中一队 4 355 2 3   2/143   3/55   1/16   2/61
17 北京航空航天大学 34 Railgun Force 4 402 1 2/162   8   2/63   1/17   1/120
18 杭州电子科技大学 35 HDU-Torrent 4 408 2/180 4   3   2/70   1/12   1/106
  北京交通大学 36 Azwraith 4 442 2 1/256   7   2/112   1/12   1/42
* 南开大学 37 tianjindui 4 485   2/252   12   1/62   1/17   1/134
19 中国人民大学 38 Kingbase_Acme 4 505 3 8   8/223   1/50   1/18   1/74
20 哈尔滨工业大学 39 HIT_Bigbabol 4 537 3 2/105       2/153 6 2/27   1/192
21 华东师范大学 40 Bicycle 4 549 2/210 3       2/48   1/12   3/199
22 大连理工大学 41 5872 4 549 4/244 5   4   1/50   1/35   2/140
  北京大学 42 FinalWorld 4 565 1 3/220   13   3/91   1/21   2/133
  哈尔滨工业大学 43 HIT_NeverSayNever 4 572       1/294   2/41   1/14   1/203
23 湘潭大学 44 Mikasa 4 575   1   3/226   3/103   1/17   2/129
  华南理工大学 45 SCUT_ Dragon Breath 4 579 2/252         1/60   1/17   3/190
* 浙江工业大学 46 nightbird 4 594   1/137   2/274   3/108   1/15   1
24 浙江大学城市学院 47 anonymous 4 599   6   4/234   3/97   1/36   1/132
25 西南科技大学 48 Minya Konka 4 601 3/263     2   1/126   1/19   1/153

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
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