完全同态加密。加密技术是保护数据的首选方法。但传统加密算法仅仅保护传输中或静止的数据。事实上,传统加密方案的一个限制和结构特性是数据需要先解密才能处理。如前所述,这不适合机器学习应用。在传统加密方案中,隐私控制权掌握在加密数据的接收者手中。一种根本不同的方法是依靠完全同态加密 (FHE),它于 1978 年首次被提出作为一项挑战 [ 26 ],直到 2009 年才由 Gentry 取得突破性成果 [ 15 ] 得以解决。与传统加密方案相比,完全同态加密方案允许接收者直接对加密数据进行操作。
复制和印刷受 1976 年版权法和美国适用条约的约束。本文档可自由复制用于学术或其他非商业用途;但是,复制时请注明作者和 Newport Papers 系列,并通知出版社编辑部。如需获得出于商业目的复制本出版物的许可,请联系出版社编辑部。
复制和印刷均受 1976 年《版权法》和美国适用条约的约束。本文件可自由复制用于学术或其他非商业用途;但复制时必须注明作者和 Newport Papers 系列,并通知出版社编辑部。若要获得出于商业目的复制本出版物的许可,请联系出版社编辑部。
复制和印刷均受 1976 年《版权法》和美国适用条约的约束。本文件可自由复制用于学术或其他非商业用途;但复制时必须注明作者和 Newport Papers 系列,并通知出版社编辑部。若要获得出于商业目的复制本出版物的许可,请联系出版社编辑部。
复制和印刷均受 1976 年《版权法》和美国适用条约的约束。本文件可自由复制用于学术或其他非商业用途;但复制时必须注明作者和 Newport Papers 系列,并通知出版社编辑部。若要获得出于商业目的复制本出版物的许可,请联系出版社编辑部。
复制和印刷均受 1976 年《版权法》和美国适用条约的约束。本文件可自由复制用于学术或其他非商业用途;但复制时必须注明作者和 Newport Papers 系列,并通知出版社编辑部。若要获得出于商业目的复制本出版物的许可,请联系出版社编辑部。
摘要 本文提出了一种用于改善采样线性度的新型自举开关。该技术通过引入负电压自举电容来降低关键信号节点的寄生电容,从而提高其线性度。采用0.18 µ m互补金属氧化物半导体技术对所提电路进行仿真,其寄生电容比传统结构大约降低30%。在轨到轨输入情况下,在50 MHz采样率下,采用1.2 V电源供电时,所提开关实现了83.3 dB的信噪比 (SNDR) 和82.3 dB的无杂散动态范围 (SFDR)。与传统自举开关相比,所提自举开关的SFDR和SNDR分别提高了11.7和12.7 dB。关键词:自举开关、线性、低电压 分类:集成电路(存储器、逻辑、模拟、射频、传感器)
b。在待机模式中,输出处于高阻抗状态,而不是OE#输入。自动睡眠模式该设备具有自动睡眠模式,可最大程度地减少功耗。当地址总线的状态保持稳定为T ACC + 30N时,设备将自动进入此模式。DC特征表中的 ICC 4显示了当前规范。 使用标准访问时间,当地址更改时,设备将输出新数据。 读取模式,将设备自动设置为读取设备加电或硬件重置后的数组数据。 检索数据不需要命令。 该设备还可以在完成嵌入式程序或嵌入式擦除算法后读取数组数据。 设备接受扇区擦除悬挂命令后,该设备将进入扇区擦除悬挂模式。 系统可以使用标准读取时间读取数组数据,除了它在擦除悬浮扇区中的地址读取,设备会输出状态数据。 在扇区擦除悬挂模式下完成编程操作后,系统可以再次读取数组数据,并具有相同的例外。 有关更多其他信息,请参见“部门擦除暂停/简历命令”。 系统必须发出重置命令,以重新启用DQ5较高或在自动选择模式时读取数组数据的设备。 有关其他详细信息,请参见“重置命令”。 OE#引脚处于逻辑高级别时输出禁用模式(V B IHICC 4显示了当前规范。使用标准访问时间,当地址更改时,设备将输出新数据。读取模式,将设备自动设置为读取设备加电或硬件重置后的数组数据。检索数据不需要命令。该设备还可以在完成嵌入式程序或嵌入式擦除算法后读取数组数据。设备接受扇区擦除悬挂命令后,该设备将进入扇区擦除悬挂模式。系统可以使用标准读取时间读取数组数据,除了它在擦除悬浮扇区中的地址读取,设备会输出状态数据。在扇区擦除悬挂模式下完成编程操作后,系统可以再次读取数组数据,并具有相同的例外。有关更多其他信息,请参见“部门擦除暂停/简历命令”。系统必须发出重置命令,以重新启用DQ5较高或在自动选择模式时读取数组数据的设备。有关其他详细信息,请参见“重置命令”。OE#引脚处于逻辑高级别时输出禁用模式(V B IH
语义解析的最新进展几乎不考虑英语以外的其他语言,但专业翻译的速度可能非常昂贵。我们将接受单一语言训练的语义解析器(例如英语)调整为新的语言和多个域,并具有最小的注释。我们查询机器翻译是否足以替代培训数据,并将其扩展到使用英语,释义和多语言预培训模型的联合培训来调查引导。我们通过在多个编码器上的注意力并提出了ATIS的新版本,并在德语和中文中介绍了新版本,从而开发了一个基于变压器的解析器,将副本酶结合在一起。实验结果表明,MT可以在新的语言中近似训练数据,以便通过多个MT engines进行释义时进行准确解析。考虑到MT何时不足,我们还发现,使用我们的方法仅使用50%的培训数据才能在完全转移的2%内实现解析精度。1
