面向医学图像的联邦学习混合权重聚合方法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

要：联邦学习是一种分布式训练方法，允许医疗机构在不交换数据的情况下联合训练模型，保护数据隐私。然而，由于不同地区疾病种类和数据分布的差异，数据通常呈现非独立同分布，影响全局模型的聚合，导致模型性能下降。为此，提出了一种面向医学图像的联邦学习混合权重聚合方法HybridFed，该方法通过利用差分隐私的数据异质性和分层模型一致性，综合考虑客户端权重比例，更好地聚合全局模型。（剩余131字）

试读结束

目录
monitor
客服机器人