零知识的培训证明(ZKPOT)允许一方证明在未揭示有关模型或数据集的任何其他信息的情况下,在授权的数据集上正确训练了模型。iSTAINT ZKPOT协议证明了整个培训过程中的零知识;也就是说,他们证明了最终模型是从训练数据和随机种子(并在其他其他参数上)开始的迭代方式获得的,并在每次迭代中应用正确的算法。 此方法本质上要求供者对迭代次数进行线性执行线性。 在本文中,我们采取了不同的方法来证明模型培训的正确性。 我们的方法是出于效率的动机,但也更加迫切地观察到,供者选择训练的随机种子的能力引发了其偏向模型的潜力。 换句话说,如果对训练算法的输入有偏见,那么即使卖者正确运行了训练算法,则最终的模型也会偏差。 我们没有证明训练过程的正确性,因此我们直接使用我们称为“最佳附近的概念”的训练模型的正确性,该概念界定了训练有素的模型与模型的数学上最佳模型之间的距离,这些模型可以将其视为解决方案,以作为解决方案优化问题的解决方案。 我们在理论上和实验上都表明,这确保了训练的模型与最佳模型的行为相似,并且表明对于现有方法而言是不正确的。iSTAINT ZKPOT协议证明了整个培训过程中的零知识;也就是说,他们证明了最终模型是从训练数据和随机种子(并在其他其他参数上)开始的迭代方式获得的,并在每次迭代中应用正确的算法。此方法本质上要求供者对迭代次数进行线性执行线性。在本文中,我们采取了不同的方法来证明模型培训的正确性。我们的方法是出于效率的动机,但也更加迫切地观察到,供者选择训练的随机种子的能力引发了其偏向模型的潜力。换句话说,如果对训练算法的输入有偏见,那么即使卖者正确运行了训练算法,则最终的模型也会偏差。我们没有证明训练过程的正确性,因此我们直接使用我们称为“最佳附近的概念”的训练模型的正确性,该概念界定了训练有素的模型与模型的数学上最佳模型之间的距离,这些模型可以将其视为解决方案,以作为解决方案优化问题的解决方案。我们在理论上和实验上都表明,这确保了训练的模型与最佳模型的行为相似,并且表明对于现有方法而言是不正确的。与现有的ZKPOT范式相比,我们还显示出显着的性能提高:在我们的协议中在ZK中证明的声明的大小与训练迭代的数量无关,而我们的布尔(分别算术)电路大小高达246×(分别为5×),比基线ZKPOT协议小的训练过程小于基线ZKPOT协议的小规模。
- 增加15-25 mph的平均速度 - 包括HOV和运输在内的明确通行车道用户的可靠和可持续能力 - 额外的容量收益货运和通用用户 - 高百分比的用户是股权重点人口•SR 167是该地区所有主要公路的最高运费
目前对航空调查结果的评估表明,对人类健康或环境没有直接威胁。今年春天,美国陆军工程兵团将进行后续地面调查,包括工作队进入公共区域进行目视观察、表面扫描和收集土壤样本。这些额外的数据将有助于进一步查明航空调查结果的真实性。值得注意的是,美国陆军工程兵团进一步调查一处房产并不意味着存在污染。读数升高并不一定表示存在污染,因为我们的环境中有许多自然发生的放射性活动源,例如花岗岩和砖块等建筑材料,这些源头都可能导致读数高于背景值。美国陆军工程兵团开展的工作将有助于确定放射性水平是否与自然放射性物质 (NORM) 一致。与美国陆军工程兵团之前在该地点开展的工作一样,这项工作正在与美国环境保护署 (EPA) 和新泽西州环境保护部 (NJDEP) 协调开展。
Vicinity 的区域能源系统利用当地资源在当地解决全球能源问题,提供高度可靠的能源解决方案,同时减少社区的碳足迹。
AI 人工智能 ANN 人工神经网络 ASA 应用科学协会 ATM 应用技术与管理 BEP 反向误差传播 BFHYDRO 边界拟合流体动力学模型 CRADA 合作研究与开发协议 DSS 决策支持系统 EFDC 环境流体动力学规范 EIS 环境影响声明 FCFWRU 佛罗里达州鱼类与野生动物合作单位 GaEPD 佐治亚州环境保护部 GPA 佐治亚州港务局 GUI 图形用户界面 LMS Lawler、Matusky 和 Skelly ME 平均误差 MLP 多层感知器 MSE 均方误差 M2M 模型到沼泽应用 NWIS 国家水信息系统 OLS 普通最小二乘法 PME 百分比模型误差 psu 实用盐度单位 Q 流量 RMSE 均方根误差 R 2 判定系数 SISO 单输入单输出 SNWR 萨凡纳国家野生动物保护区 SSE 误差平方和 SSR 状态空间重建 USACOE 美国陆军工程兵团 USFW 美国鱼类与野生动物管理局 USGS 美国地质调查局 WASP7 水资源评估与模拟程序 - 第 7 版 WES 水道美国陆军工程兵团实验站 WL 水位 XWL 潮汐范围
法律免责声明 本报告是作为美国政府机构赞助的工作的说明而编写的。美国政府及其任何机构、其任何雇员、其任何承包商、分包商或其雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或任何第三方的使用或此类使用的结果作出任何明示或暗示的保证,或承担任何法律责任或义务,或表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务,并不一定构成或暗示美国政府或其任何机构或其承包商或分包商对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。