-
公开(公告)号：CN117708477A
公开(公告)日：2024-03-15
申请号：CN202311678731.7
申请日：2023-12-07
Applicant: 大连理工大学
IPC: G06F17/16 , G06N20/00 , G06F18/2135
Abstract: 本发明公开了一种基于弹性平均联邦框架的耦合张量分解方法及系统，涉及信号处理和分布式计算技术领域，针对不同服务器上的数据，深入考虑张量数据之间的耦合关系，发展基于联邦学习框架的耦合张量分解模型，利用联邦学习的思想建立耦合约束，结合了张量分解在高维度数据表示与分解中的良好辨识性能、耦合张量分解在跨样本张量数据分析中的优势以及联邦学习在分布式服务器中联合建模的特色，解决了跨服务器平台在不共享数据的前提下实现数据联合分析问题，同时使用的弹性平均联邦框架使各个客户端自身探索的有益信息，从而提出一套完整的面向跨服务器高维度EEG数据的高效耦合张量分解的解决方案，深入研究和挖掘不同被试数据的相似性和差异性。
Search Results
1
records
(took 0.016 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
