第一部分：解决的问题联邦学习（FL）是一种分布式机器学习方法，允许设备在不共享本地数据的情况下协同训练模型。在个性化联邦学习中，目标是为每个设备训练个性化模型，而不是一个通用的全局模型。然而，由于设备之间数据分布的异质性，传统方法会导致模型偏差。第二部分：解决的方法/idea

Day42--练习--选择题以下是做错的题目题目3：创建一个名为Person的类，类中有一个私有属性name（类型为String），定义一个公有的get方法来获取这个属性的值，方法的代码框架如下：publicclassPerson{privateStringname;public____get(){returnname;}}

上一篇blog翻译了LarsBlackmore(LarsBlackmoreisprincipalrocketlandingengineeratSpaceX)的文章，SpaceX使用CVXGEN生成定制飞行代码,实现超高速机载凸优化。利用地形相对导航实现了数十米量级的导航精度,着陆器在着陆过程中成像行星表面并将特征与机载地图匹配

\chapter{非凸优化}\section{非凸优化中的重要概念}\subsection{次微分}\begin{definition}{Frechet次微分}适当函数\(f\)，如果\(\forallx\in\)dom$f\(，则\)f\(在\)x\(处的Frechet次微分记为\)\overset{-}{\partial}f(x)$，它的定义是：$$\overset{-}{\partial}f(x)=\left\l