【python】scipy.optimize.curve_fit
官方文档输入参数Valuef函数，它必须以xdata为第一个入参xdata测量的独立数据ydata相关的数据，名义上是 f(xdata,…)的结果输出输出Valuepopt最优值，即拟合函数根据x输出的值pcovpopt的协方差矩阵infodictmesg相关的信息 (returned only if full_output is True)ier。
#Reading Paper# 【序列推荐】WWW 2022 Disentangling Long and Short-Term Interests for Recommendation
《CLSR：解耦长短期兴趣》这是一篇清华大学和快手共同发表在WWW2022上的有关序列推荐的文章。模型通过两种无监督方法对长期兴趣和短期兴趣的商品序列分别建模，之后通过平均向量的方法设置两个基准代理，作为用户兴趣的伪标签（第一个损失函数），然后通过GRU网络得到两个子序列的权重，最终得到物品的向量表征（用户的向量表征未进行修正），之后通过两层MLP进行预测。
#Reading Paper# 【序列推荐】SIGIR 2022 Decoupled Side Information Fusion for Sequential Recommendation
《DIF-SR：用于序列推荐的辅助信息解耦》该模型提出了一种新型的注意力机制，分别计算出每个子项目的注意力，之后再进行融合表示，并且在损失函数中强行加入了边缘信息损失。
PrivacyIN课程 | 详尽解析ZK重要协议的设计理念【内含视频】
本期课程由德克萨斯农工大学计算机科学与工程系助理教授张宇鹏详细介绍了ZK重要协议的设计理念，包括：Groth16 Plonk Stark。不同电路满足不同的场景，从性能、可信启动等角度进行对比。
PrivacyIN隐私学院第二期训练营开启报名 聚焦门限签名及安全多方计算
TSS(Threshold Signature Scheme 门限签名) 是MPC(安全多方计算)密钥管理的重要研究方向，可以支持多方管理私钥和资产。
PrivacyIN Week1课程回顾 | 张宇鹏博导开讲零知识证明密码学基础&研究导论
隐私学院PrivacyIN第一期ZK训练营课程精讲内容上线，本期课堂邀请到美国德州农工大学（Texas A&M University）计算机科学与工程学院的助理教授张宇鹏，主要介绍ZK理论及相关应用，课堂主题为《Basics of ZK Cryptography & Research Overview》。
PrivacyIN Week2 | 张宇鹏博导开讲经典零知识证明协议设计原理
隐私研究院PrivacyIN第一期ZK训练营课程精讲内容上线，本期课堂邀请到美国德州农工大学（Texas A&M University）计算机科学与工程学院的助理教授张宇鹏，主要介绍经典零知识证明协议设计原理，课堂主题为《Basic Principles of the Classic ZK Protocols (Groth16 Plonk Stark)》。
#Reading Paper# 【曝光偏差】WWW 2021Unbiased Sequential Recommendation with Latent Confounders
由于存在曝光偏差，观测数据可能受到曝光和选择的偏差，这使得学习的序列模型不可靠。为了解决这一基本问题，本文提出用潜在结果框架重新表述序列化推荐任务，在这个框架中，我们能够清楚地理解数据偏差机制，并通过使用反向倾向评分（IPS）重新加权训练实例来纠正它。为了提高建模的鲁棒性，在IPS估计中采用了裁剪策略，以减小学习目标的方差。为了使框架更加实用，设计了一个参数化模型来消除潜在的混杂因子的影响。最后，从理论上分析了该框架在IPS权重下和裁剪IPS权重下模型估计的无偏性。
PrivacIN Week3课程回顾 | 韩博士讲授ZK电路开发 & zkEVM设计
隐私学院PrivacyIN首期ZK训练营第三课——《Applied ZK In Practice》开讲，由香港科技大学在读博士韩思远以ZK电路开发和zkEVM设计为主题，围绕零知识证明应用电路设计及zkEVM构建思路展开讲授。
#Reading Paper# 【曝光偏差】WWW 2022 UKD: Debiasing Conversion Rate Estimation via Uncertainty-regularized
UKD：通过不确定性正则化知识蒸馏的去偏转化率（CVR）估计。本文采用对抗学习方法，提出了一种不确定性正则化知识蒸馏 (UKD) 框架：通过从未点击的广告中提取知识来消除 CVR 估计的偏差。教师模型学习点击自适应表征，并在未点击的广告上生成伪转换标签作为监督信号。然后通过知识蒸馏对已点击和未点击的广告训练学生模型，进行不确定性建模以减轻伪标签中的固有噪声。
#Reading Paper# 【序列推荐】ICKM 2022 RETR：Recommender Transformers with Behavior Pathways
作者为了解决在序列中只有一小部分关键行为可以演变成用户未来的行为，提出了RETR模型，该模型可以动态规划每个用户指定的行为路径，并通过该行为路径有节制地激活网络，从而有效地捕捉到对推荐有用的进化模式。关键设计是一个可学习的二进制路由，以防止行为路径被琐碎的行为所淹没。
【密码学探秘】EVM链和并行执行交易
在web3.0世界中，交易的处理性能一直是公链面临的一大技术挑战，如何在不降低安全性和去中心化程度的前提下显著的提升区块链交易的TPS无疑成为众多公链技术专家追逐的目标。是否可以既做到对EVM的兼容，又可以通过并行执行交易来达到提升性能的目的呢？
#Reading Paper# 【图对比学习 难样本挖掘】ICML‘22 ProGCL: Rethinking Hard Negative Mining in Graph Contrastive L
本篇文章作者发现现有的其他领域的难负样本挖掘技术并不能很好地提高图对比学习的表现，并对这一现象进行深入探究，发现可以归因于图神经网络的信息传递机制。此外作者提出了一种挖掘图网络中的难样本对的方法。此方法原则上可以替换任何一个图对比学习中计算难样本对的模块，实验表明，此方法有着更为显著的效能提升。
今日推荐
周排行