首页 > TAG信息列表 > 公平性
并发编程系列之Lock锁可重入性与公平性
一、相似之处：Lock锁 vs Synchronized 代码块 Lock锁是一种类似于synchronized 同步代码块的线程同步机制。从Java 5开始java.util.concurrent.locks引入了若干个Lock锁的实现类，所以通常情况下我们不需要实现自己的锁，重要的是需要知道如何使用它们，了解它们实现背后的原理。 Lock锁A因果推断-解决推荐系统公平性的新思路
论文引入 近年来推荐系统公平性成为新的热点，在所有解决公平性问题的方法中，因果推断显得格外靓眼。我们以论文《Recommendations as treatments: Debiasing learning and evaluation》[1]做为引入，来看看因果推断是怎么应用在推荐系统公平性研究中的。 改论文的思想如下：从因果推断的推荐系统公平性论文阅读(四)
接下来我总共花了将近四天时间才将论文《Towards Long-term Fairness in Recommendation》[1]理解透彻。因为该论文用到了强化学习(Reinforcement Learning)，而强化学习不像之前的生成对抗网络(GAN)一样简洁明了，涉及的数学知识非常多。 在看论文之前我花费了很所时间去补强化学习的推荐系统公平性论文阅读(三)
这几天我的主要任务是调试和运行之前根据论文《Learning Fair Representations for Recommendation: A Graph-based Perspective》所编写的代码，然后测试该模型的效果并记录。以下分数据集描述、模型评估策略、超参数调整、测试结果记录四个部分来描述我的工作。 数据集描述 MovieL深度学习中的公平性
介绍 深度学习十分流行，在许多领域有着不错的表现。然而，深度学习算法中的公平性(fairness) 亦是重要的研究方向。这次，我们以Du的一篇文章为例，给大家介绍一下深度学习中的公平性。 Fairness in Deep Learning: A Computational Perspective 分类 首先我们需要对公平性问题进漫谈BBR算法的收敛点和公平性
其实写这篇的初衷起因于我对那些看见4个窗口就想加到8个窗口的人鄙视，并且这些人几乎都是狂暴之人，我发现那些做业务逻辑的只要懂点TCP都不会好好说话，事实上他们大多数人什么都不懂，只有什么都不懂的人才会自以为是，天天鄙视别人。 对于TCP的优化，我听过无数遍 “丢包就慢点降窗，不丢包漫谈BBR算法的收敛点和公平性
明天大年三十，去趟迪士尼，今天下班早，睡前写下这篇，结束这一农历年。 其实写这篇的初衷起因于我对那些看见4个窗口就想加到8个窗口的人鄙视，并且这些人几乎都是狂暴之人，我发现那些做业务逻辑的只要懂点TCP都不会好好说话，事实上他们大多数人什么都不懂，只有什么都不懂的人才会自以为