-
公开(公告)号:CN116030317A
公开(公告)日:2023-04-28
申请号:CN202211716818.4
申请日:2022-12-29
Applicant: 中国科学院计算技术研究所
IPC: G06V10/774 , G06V10/764 , G06N20/00
Abstract: 本发明提出一种基于DMA‑MaaS联邦学习平台的模型训练方法和系统,包括:上传训练数据至联邦学习平台,联邦学习平台对训练数据进行检查并添加到数据池;上传任务至联邦学习平台,联邦学习平台将公开的任务加入到公共任务池以供其他用户端选择;通过选择自己发起的任务或在公共任务池中选择任务,判断选择的任务类型是否为联邦学习,若是则在用户端所在用户设备本地基于训练数据执行联邦学习,将学习得到的模型参数和结果返回到联邦学习平台进行参数聚合,直到聚合后的模型达到所需性能,否则联邦学习平台基于训练数据,在云端执行非联邦学习。本发明通过MaaS功能,缓解联邦平台用户侧的异质性,完成数据、任务、算法、模型的管理和创建发挥联邦模型价值。
-
公开(公告)号:CN116313043A
公开(公告)日:2023-06-23
申请号:CN202211699508.6
申请日:2022-12-28
Applicant: 中国科学院计算技术研究所
IPC: G16H50/20 , G16H50/30 , G16H20/70 , G06N3/08 , G06F18/241 , G06N3/0464
Abstract: 本发明提出一种基于时空约束的多流图神经网络多动症辅助诊断方法,包括:获取用户于人机交互场景中的运动传感器数据,提取该运动传感器数据的时域统计特征;基于该时域统计特征获取该人机交互场景的时空约束图;获取该时空约束图的整图向量表示;将所有该整图向量表示进行融合,得到该用户进行人机交互行为的分类结果。本发明还提出一种基于时空约束的多流图神经网络多动症辅助诊断系统,以及一种实现多流图神经网络多动症辅助诊断的数据处理系统。
-