实现高级驾驶服务的需求增加，需要车与车之间传递安全消息，传递信息需要占用频谱资源，频谱资源是有限的，并不是所有波长的信号都可以用来进行信号传输。频谱共享使车与车通信（V2V，vehicle-to-vehicle）共享原来的车与基础设施通信（V2I，vehicle-to-infrastructure）的频谱资源进行通信。从而达到合理的进行资源利用

实现高级驾驶服务的需求增加，需要车与车之间传递安全消息，传递信息需要占用频谱资源，频谱资源是有限的，并不是所有波长的信号都可以用来进行信号传输。频谱共享使车与车通信（V2V，vehicle-to-vehicle）共享原来的车与基础设施通信（V2I，vehicle-to-infrastructure）的频谱资源进行通信。从而达到合理的进行资源利用

摘要：在安装PyQt和PySide2后，双击pyside2-designer.exe无法启动软件，报错提示找不到shiboken2模块。经排查发现由于使用Anaconda环境导致路径问题。解决方法包括：（1）添加环境变量；（2）进入conda base环境重新安装PySide2；（3）确认shiboken2模块加载成功；（4）安装pyqt5-tools后，在PySide2安装路径中找到design

联邦遗忘学习主要研究的是遗忘学习在联邦学习背景下的应用，遗忘学习是最终呈现效果是从整个模型剔除指定数据的影响，即遗忘，于联邦学习而言，现有研究主要研究的是遗忘一整个客户端的数据对全局模型的影响。，当前研究的主要方法有两种：一种是完全不包括需要遗忘的客户端，用其他客户端从零训练，生成再训练模型，然后让执行遗忘学习的遗忘模型与这个再训练模型进行比较，越接近代表遗忘效果越好；

基本思想优化：使用中央服务器的存储空间换取遗忘学习模型的构建时间保证：使用新的校准方法校准保留的更新，并加快遗忘学习模型重建速度总结目标：提高重建时间，加速评价指标：沿用机器遗忘学习的评价标准——准确性和预测损失函数，全局模型遗忘掉目标客户端的遗忘时间，是否仍然包含目标客户端的信息——原始模型和遗忘模型的预测差MIA攻击精度（MIA目标是确定给定的数据是否用于模型给定的ML模型）、MIA攻击召回率

强化学习的基础知识的铺垫与q-learning、DQN和double DQN

简单梳理功率和信道容量的关系其中主要是为了弄明白论文《Spectrum Sharing in Vehicular Networks Based on Multi-Agent Reinforcement Learning》中的应用场景问题，即功率（信道增益）与信道容量的关系

将刚才打开的，说暂且放一边的TeX2img.exe文件关闭，重启PowerPoint就可以使用了，效果如下。，将刚刚下载的压缩包移动到这里并解压缩到当前文件夹，找到这个文件，点击运行，先不管它。会打开一个位置，将刚才在在github上下载的文件移动到这里，然后将其选中确定。将其加载到PowerPoint中，打开PowerPoint，依次点击。5、下载下来的是一个镜像文件，将其放在纯英文文件夹下，建