-
公开(公告)号:CN115470903A
公开(公告)日:2022-12-13
申请号:CN202211284460.2
申请日:2022-10-17
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种基于迁移学习的血压预测模型训练方法,所述血压预测模型包括低层特征提取器、高层特征提取器、预测器,所述方法包括:S1、采用源域数据集训练神经网络模型至收敛获得通用模型,其中,所述源域数据集包括多个金标准血压值及每个金标准血压值对应的基于可穿戴传感器获得的人体数据,以人体数据为样本、其对应的金标准血压值为标签构成源域数据集的训练样本;S2、获取目标对象的目标域数据集;S3、采用源域数据集和目标域数据集对步骤S1中获得的通用模型进行迁移训练至收敛获得目标对象的血压预测模型。本发明基于迁移学习对通用模型进行微调,微调后的模型解决了用户血压个性化预测的问题,实现了用户血压精准预测。
-
公开(公告)号:CN115456200A
公开(公告)日:2022-12-09
申请号:CN202211187661.0
申请日:2022-09-28
Applicant: 中国科学院计算技术研究所
IPC: G06N20/00 , G06F21/62 , G06V10/764 , G06V10/762 , G06V10/774
Abstract: 一种联邦学习方法及领域泛化联邦系统。本发明提供一种联邦学习方法,包括服务端将初始化的服务端模型发给多个客户端作为客户端模型,服务端和客户端配合完成多轮训练,得到最终的服务端模型和客户端模型,每轮包括:S1、每个客户端根据本地训练集训练最新得到的客户端模型,得到本轮训练后的客户端模型;S2、服务端确定每个位置的参数在本轮所有训练后的客户端模型中更新方向的一致性指标,对一致性指标满足预设条件的参数进行聚合,以更新当前的服务端模型的参数,得到更新的服务端模型;S3、每个客户端基于本轮训练前的和训练后的客户端模型以及当前轮获得的服务端模型确定训练后的客户端模型的通用参数,根据当前轮次的服务端模型更新通用的参数,得到当前轮更新后的客户端模型。
-