换一批基于联邦学习的下肢康复评估算法与实现
Algorithm and implementation of lower limb rehabilitation evaluation based on federated learning
摘要为解决跨机构模型训练及康复评估的数据隐私问题,提出一种基于联邦学习的下肢康复评估算法.搭建联邦学习系统,通过客户端选择机制及量化编码压缩提高通讯效率.设计限制项随机梯度下降优化器保证本地训练时的模型收敛性,通过高斯差分隐私算法进行全局更新.在此基础上设计GRU-Inception神经网络模型,利用联邦学习系统进行训练并完成下肢康复评估任务.实验验证了该算法具有较好的康复评估效果.
更多相关知识
关键词
联邦学习下肢康复评估客户端选择机制量化编码压缩限制项随机梯度下降优化器高斯差分隐私GRU-Inception神经网络模型federated learninglower limb rehabilitation evaluationclient selection mechanismquantization encoding compres-sionresSGD optimizerGaussian differential privacyGRU-Inception neural network model
分类号
TP183
栏目名称
DOI
10.16208/j.issn1000-7024.2023.08.040
发布时间
2023-09-19（万方平台首次上网日期，不代表论文的发表时间）
基金项目
上海市科技创新行动计划生物医药领域科技支撑基金项目（19441908300）
- 浏览4
- 被引1
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
