模型不可知的联合相互学习

主流的联邦学习(federated learning, FL)方法需要梯度的交互和数据同分布的理想假定,这就带来了额外的通信开销、隐私泄露和数据低效性的问题。因此,提出了一种新的FL框架,称为模型不可知的联合相互学习 (model agnostic federated mutual learning, MAFML)。MAFML仅利用少量低维的信息(例如,图像分类任务中神经网络输出的软标签)共享实现跨机构间的“互学互教”,且MAFML不需要共享一个全局模型,机构用户可以自定制私有模型。同时,MAFML使用简洁的梯度冲突避免方法使每个参与者在不降低自身域数据性能的前提下,能够很好地泛化到其他域的数据。在多个跨域数据集上的实验表明,MAFML可以为面临“竞争与合作”困境的联盟企业提供一种有前景的解决方法。     

HLA联邦开发和执行过程模型

美国国防部建模与仿真办公室为联邦开发人员提供了一套开发联邦的指导文件,就是HLA FEDEP:High level archtecher Federation develop and execute modal:V1.4。本文主要介绍新版FEDEP,叙述了其主要的六步模型。     

状态X~2检验法在联邦滤波器中的应用

针对联邦滤波器的特殊性,基于残差故障统计检验原理,详细研究了状态检验法应用时存在的几个问题。由于信息分配,造成子滤波器局部估计次优,从而基于残差的故障统计检验方法不能够直接使用;针对这一问题,修正了残差方差阵的计算方法,并提出一种次优自适应补偿方法,能够有效改善局部估计次优性对故障检测灵敏度的影响。最后的仿真结果表明了研究的有效性和可行性。     

基于自适应Kalman滤波算法的联邦滤波器

为弥补传统联邦滤波器实用性不好,缺乏对对象模型和传感器噪声的自适应估计能力的缺陷,利用自适应Kalman滤波算法的思想,结合联邦滤波器本身的算法结构,对联邦滤波器进行改进,使之具有很强的自适应性,能够自适应地计算出模型噪声和传感器噪声的协方差阵.给出了基于自适应Kalman滤波算法的联邦滤波器的计算架构,其他优秀的自适应算法均可按相同的方式加入该架构中.最后通过仿真计算验证了该算法的有效性.     

德国联邦国防军通信部队的现状与特点

德国联邦国防军通信部队由德国陆军通信部队和联勤通信部队两部分组成，主要承担无线、有线、数据传输、电话、电报、传真等通信任务。并且负责相关通信设施的建设与管理、敢备的使用与维护。本文主要从基本情况、组织结构、机关职能、基层部队、管理特点等方面对德军通信部队进行介绍。     

一种改进型联邦滤波器设计方法及其应用研究

提出了一种基于局部反馈校正的无重置联邦滤波器的设计方法,和 Carlson 提出的无重置联邦滤波器相比较,该联邦滤波器在保证组合导航系统的容错性能不变的同时可以提高系统的导航精度.将提出的这一方法用于船用组合导航系统设计中,通过计算机仿真,并同Carlson 提出的无重置联邦滤波器的仿真结果相比较,证明了该方法的优点.     

独树一帜 俄罗斯“联邦-SV”双管自行榴弹炮

现役的世界各国主力大口径自行榴弹炮全是单管炮,而俄罗斯却体现了身为“战斗种族”对重火力极度的偏爱,设计出了与众不同“独树一帜”的纵列双管大口径自行榴弹炮。但自从7年前惊鸿一瞥后,代号为“联邦-SV”（Koalition—SV）的白行榴弹炮成为俄军的绝密武器,再不露面。随着近日俄陆军大规模的装备更新计划,“联邦SV”将“重装上阵”,反映出俄陆军仍对地面压制火力的推崇,由此可以推测未来俄陆军及海军岸防部队师属火力仍将以“远射程,大火力”为的核心力量。     

基于HLA/RTI的短波跳频仿真系统

新一代的分布式交互仿真标准即高层体系结构/运行时间结构(HLA/RTI),为联邦成员的互操作制定了框架.针对短波环境下跳频通信的仿真应用实例,搭建了短波跳频通信系统联邦模型,展开面向各个联邦成员的具体功能和作用的分析研究,通过信息交互和时间推进策略实现了整个联邦系统进行协调控制和管理,并且验证了仿真系统模型设计的可行性和有效性,为短波跳频系统的实际应用奠定了基础.     

Rational Rose在HLA联邦开发中的应用

作为“建模与仿真”(M&S)的高层体系结构 ,HLA能带给用户的好处将是巨大的。HLA联邦开发与运行过程 (FEDEP)的自动化是促进HLA应用的关键。文中研究了将功能强大的CASE工具RationalRose用于支持FEDEP自动化的可行性 ,指出了应用中应特别注意的问题 ,重点说明了应用中的关键技术 ,并给出一应用实例