摘要：联邦学习是一种保证数据隐私安全的分布式机器学习方案.与传统的机器学习的可解释性问题类似,如何对联邦学习进行解释是一个新的挑战.文中面向联邦学习方法的分布式与隐私安全性的特性,探讨联邦学习的可视化框架设计.传统的可视化任务需要使用大量的数据,而联邦学习的隐私性决定了其无法获取用户数据.因此,可用的数据主要来自服务器端的训练过程,包括服务器端模型参数和用户训练状态.基于对联邦学习可解释性的挑战的分析,文中综合考虑用户、服务器端和联邦学习模型3个方面设计可视化框架,其包括经典联邦学习模型、数据中心、数据处理和可视分析4个模块.最后,介绍并分析了2个已有的可视化案例,对未来通用的联邦学习可视分析方法提出了展望.

摘要：概述了联邦可视化的概念、框架、方法与应用。联邦可视化框架能够在不进行数据整合的情况下,针对具体任务和特定场景进行加密训练,得出反映全体数据特征的可视化模型。联邦可视化是联邦学习框架在可视化领域的拓展应用,主要强调在保障数据隐私的前提下,互利共赢的联邦协作方式在对多数据源数据进行可视分析方面的应用,以打破各领域、各行业的数据壁垒,实现数据与知识的共享。

摘要：如何构建使用简单、功能强大的3D地测CAD系统,实现3D矿床模型的自动生成已成为矿山地质、采矿等部门的设计人员追求的目标之一。鉴于此,综合运用多种数学方法、数据库技术、图形图像处理技术,对3D地测CAD系统的整体框架及其软件实现方法进行了深入研究,对解决3D地测CAD系统中存在的重点和难点问题——矿岩界线的自动绘制和3D矿床模型的自动生成,进行了重点尝试性研究,提出基于空间小三角面的表面拟合技术的3D矿床模型自动生成方法,为矿山地质、采矿人员提供了一个全新的操作平台。

摘要：乡村旅游、农产品产地初加工、农村电子商务、农村养老服务、农村文化创意等农村新兴产业在促进四川省实现农民增收、打赢脱贫攻坚战、推进乡村振兴等方面具有积极重要的现实意义,但基础设施建设滞后、产业扶持政策不充分、从业人员不足、产业规划滞后等问题制约着农村新兴产业的发展壮大。因此,在实践中迫切需要优化产业布局,破除制约农业新兴产业发展的政策枷锁,推进农村农业基础设施优化升级,促进相关人才及从业人员的培训培养,开展新兴产业示范区和示范基地建设等措施推动农村新兴产业发展提质增效。

摘要：现阶段国内工科类高校、高等职业技术学院依旧以传统线性稳压电源课题教学为主,极少数学校在毕业设计环节、公选课程涉及开关电源相关知识,受实验设备条件限制,教学效果很难达到预期目标。学校作为技能型人才的培育基地,要想培养出适合时代职业特点的技术与技能型人才,专用的实验设备是有效开展实践教学的前提和保障。因此,亟待设计开发一款可直接用于学校实践教学、专门用于测量开关电源变压器参数的仪器。

摘要：在印染行业中,产品外观经常会出现很多斑点状缺陷,此类缺陷属于微瑕疵,其人工检测成本高且检测难度大。针对产品外观斑点状缺陷,本文提出了一种基于机器视觉的图像微瑕疵检测方法,其主要思想是基于Faster-RCNN框架构建轻量化网络模型,并利用样本梯度特征信息进行非端对端网络训练。所设计的非端对端训练模式不仅能有效缩短模型训练时间,还可以提升模型推理能力。实验结果表明,针对不同类型班点微瑕疵,本文提供的检测算法具有高效的局部检测精度,且可应用于其他领域的类似斑点任务检测。