開放式與閉迴路肌電訊號解碼中的聯邦學習：隱私與效能的視角
arXiv.org·
本研究探討在開放式與閉迴路肌電訊號（EMG）解碼中應用聯邦學習（FL），並評估其隱私與效能。在開放式模擬中，FL展現了高效能、注重隱私的解碼潛力；然而，在即時閉迴路使用者研究中，調整後的FL方法在效能上不如局部學習，凸顯了效能與隱私的權衡，並指出需要專為協同適應式單一使用者應用而設計的FL方法。
電腦科學 > 機器學習
標題：開放與封閉迴路肌電訊號解碼中的聯邦學習：隱私與效能觀點
提交歷史
存取論文：
參考文獻與引用
BibTeX 格式的引用
書籤
文獻目錄與引用工具
與本文相關的程式碼、資料與媒體
演示
推薦系統與搜尋工具
arXivLabs：與社群合作者的實驗性專案
arXivLabs 是一個框架，允許合作者直接在我們的網站上開發和分享新的 arXiv 功能。
與 arXivLabs 合作的個人和組織都擁抱並接受了我們開放、社群、卓越和使用者資料隱私的價值觀。 arXiv 致力於這些價值觀，並且只與遵守這些價值觀的合作夥伴合作。
對於一個能為 arXiv 社群增加價值的專案有想法嗎？ 了解更多關於 arXivLabs 的資訊。
相關文章