-
公开(公告)号：CN118133983A
公开(公告)日：2024-06-04
申请号：CN202410049729.1
申请日：2024-01-12
Applicant: 北京工业大学
IPC: G06N20/00 , G06F18/22 , G06F18/231 , A61B5/00
Abstract: 一种基于集群联邦学习的睡眠分期方法涉及联邦学习领域，本发明利用集群联邦学习架构进行各医疗机构间的协同训练及模型参数共享，客户端无需上传原始数据至服务器端进行集中式训练，在机构利用本地数据进行小批量训练，并上传模型参数至云端聚合，云端将聚合后的参数再次下发至各客户端，迭代进行上述流程，直至模型收敛。此架构既能提升睡眠分期任务的训练精度，同时解决了睡眠数据共享意愿低而带来的数据孤岛问题。其次，本发明以客户端的本地训练损失值来衡量机构所掌握的数据质量，并以损失值的中位数作为基准，以标准差在损失中位数周围划定区域，对每个客户端损失值与中心损失值的距离取反进行加权。进行模型参数的全局聚合，实现有效调度。
Search Results
1
records
(took 0.019 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
