基于联邦学习的下肢康复评估算法与实现

为解决跨机构模型训练及康复评估的数据隐私问题，提出一种基于联邦学习的下肢康复评估算法。搭建联邦学习系统，通过客户端选择机制及量化编码压缩提高通讯效率。设计限制项随机梯度下降优化器保证本地训练时的模型收敛性，通过高斯差分隐私算法进行全局更新。在此基础上设计GRU-Inception神经网络模型，利用联邦学习系统进行训练并完成下肢康复评估任务。实验验证了该算法具有较好的康复评估效果。