搜索结果: 1-3 共查到“计算神经网络 同”相关记录3条 . 查询时间(0.301 秒)
近些年,联邦学习(Federated learning,FL)由于能够打破数据壁垒,实现孤岛数据价值变现,受到了工业界和学术界的广泛关注.然而,在实际工程应用中,联邦学习存在着数据隐私泄露和模型性能损失的问题.为此,首先对这两个问题进行数学描述与分析.然后,提出一种自适应模型聚合方案,该方案能够设定各参与者的Mini-batch值和自适应调整全局模型聚合间隔,旨在保证模型精度的同时,提高联邦学习训...
近年来，基于梯度反向传播的脉冲神经网络（SNN）训练方法逐渐兴起。在这种训练方法下，SNN能够在保留神经元内部动力学的同时获得较好的性能。 在此基础上，自动化所听觉模型与认知计算团队模仿刻画视听觉系统神经元侧向作用的数学模型动态神经场，提出了具有侧向作用的SNN——LISNN，用于图像识别任务。并且在测试中，根据侧向作用的动力学特点，人为加入噪声以验证侧向作用对网络鲁棒性的提升。
在美国费城召开的第15届国际学术会议ACM MobiHo上，同济大学智能感知网高等研究院王成研究员等完成的论文《在线社交网络数据分发建模：从地理分布角度界定网络流量负载》（Modeling Data Dissemination in Online Social Networks: A Geographical Perspective on Bounding Network Traffic Load...