文章目录1 联邦学习背景2 联邦学习树模型方案3 Ensemble Learning3.1 集成学习3.2 Bagging & Boosting3.2.1 Bagging (bootstrap aggregating)3.2.2 Boosting3.2.3 Bagging，Boosting二者之间的区别4 GBDT4.1 GDBT定义4.2 GBDT推导过程6 参考资料9 精彩分享1 联邦

联邦学习-安全树模型 SecureBoost之Desicion Tree文章目录联邦学习-安全树模型 SecureBoost之Desicion Tree1 联邦学习背景2 Decision Tree2.1 决策树的定义2.2 决策树基础2.2.1 熵2.2.2 条件熵2.2.3 信息增益2.3 剪枝策略2.4 ID3算法2.4.1 ID3算法构建决策树方案2.4.2 ID3算法优缺点总结2.5 C

循环神经网络全景介绍，从RNN到LSTM再到GRU，全面介绍循环神经网络全貌。

文章目录1 隐私计算综述2 隐私计算发展史3 加密技术概述4 同态加密的历史5 什么是同态加密6 同态加密的定义6.1 场景定义6.2 核心流程6.3 HE的分类7 同态加密库Paillier7.1 Paillier算法7.2 秘钥生成7.3 明文加密7.4 密文解密7.5 相关代码8 参考资料9 番外篇1 隐私计算综述近年来，随着大数据与人工智能的盛行，针对个人的个性化的推荐技术的不断发展，人们

前一阵打算写这方面的文章，不过发现一个问题，就是如果要介绍Transformer，则必须先介绍Self Attention，亦必须介绍下Attention，以及Encoder-Decoder框架，以及GRU、LSTM、RNN和CNN，所以开始漫长的写作之旅。截止本文终于完成这个漫长的过程，

一 背景大抵是去年底吧，收到了几个公众号读者的信息，希望能写几篇介绍下Attention以及Transformer相关的算法的文章，当时的我也是满口答应了，但是确实最后耽误到了现在也没有写。前一阵打算写这方面的文章，不过发现一个问题，就是如果要介绍Transformer，则必须先介绍Self Attention，亦必须介绍下Attention，以及Encoder-Decoder框架，以及GRU、L

文章目录一 背景二 线性与非线性模型1 线性模型2 非线性模型三 深度学习的非线性表达一 背景​近年来，伴随着大数据与大算力的突破性进展，基于深度学习的突破层出不穷，基于卷积的网络结构在图像领域大放异彩、基于时序的网络模型在搜广推被广泛使用，并且产生了巨大的经济与体验效益，深受广大算法从业者的偏爱。​那么什么是深度学习呢？深度学习为何会如此强悍呢？​引用维基百科对于深度学习的定义：通过多层非线性变

长短时记忆网络(Long Short Term Memory Network）LSTM，是一种改进之后的循环神经网络，通过门控机制有选择的记忆重要的内容，可以解决RNN无法处理长距离的依赖的问题，目前比较流行。LSTM结构（图右）和普通RNN的主要输入输出区别如下所示。

本文介绍隐私计算基础组件，包含同态加密 秘密分享 差分隐私等

循环神经网络全景介绍，从RNN到LSTM再到GRU，全面介绍循环神经网络全貌。