一种基于联邦学习的个性化心电信号监测方法

摘要

一种基于联邦学习的个性化心电信号监测方法，将由云端训练的初始化模型拆分为基础特征提取网络和个性化分类网络两部分，仅采用联邦策略训练由多个终端上传的基础特征提取网络。由于每个终端仅上传部分模型参数，可以防止恶意人员通过整个模型参数恢复原始数据。通过联邦策略进行模型训练相比被动顺序参数更新具有更高的通信效率。为了更好的学习个体的个性化特征，提高分类模型的准确性，多个终端通过协同训练基础特征提取网络充分学习基础特征，个性化分类网络只保留在终端用于个性化特征的提取。当新个体加入时，基础特征提取网络可以直接用作新个体的基础特征提取部分，并且只需要少量个体数据就可以获得个性化的心电信号监测模型。