基于联邦学习的下肢康复评估算法与实现

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.

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

所属期刊栏目：44

分类号：TP183(自动化基础理论)

资助基金：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

在线出版日期：2023-09-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2548-2554