【技术实现步骤摘要】
本申请涉及人工智能开发与数字医疗领域，尤其涉及基于人工智能的数据识别方法、装置、计算机设备及存储介质。
技术介绍
1、联邦学习(federated learn i ng)是一种新兴的人工智能基础技术，其设计目标是在保证大数据交换时的信息安全、保护终端数据和个人数据的隐私、保证在合法合规的前提下，在多参与方或多计算结点之间展开高效率的机器学习。联邦学习的模型训练分布在一个主服务器(server)以及多个终端(c l i ent)上，每个终端所具有的数据不与其他终端以及主服务器共享。这种方式可以使得每个终端在确保自身数据安全的同时从其他终端的数据中受益。
2、目前，在医疗领域中也普遍使用联邦学习模型来进行医学图像数据的识别处理。然而，在联邦学习模型的训练过程中，由于医学图像数据属于非独立同分布数据集，每个本地模型学习到的特征不同，这会导致领域转移问题。在联邦学习中，由于每个本地设备上的数据分布不同，因此在全局模型中聚合这些本地模型时会出现偏差。这种偏差可能会导致全局模型性能下降。此外，在非独立同分布数据集上训练模型时，由于存在领...
【技术保护点】
1.一种基于人工智能的数据识别方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的基于人工智能的数据识别方法，其特征在于，所述从所述本地模型中筛选出模型参数的步骤，具体包括：
3.根据权利要求1所述的基于人工智能的数据识别方法，其特征在于，所述基于预设的验证策略对所述模型参数进行验证处理的步骤，具体包括：
4.根据权利要求1所述的基于人工智能的数据识别方法，其特征在于，所述基于预设的聚合策略对所述指定模型参数进行聚合操作，得到聚合后的目标模型参数的步骤，具体包括：
5.根据权利要求1所述的基于人工智能的数据识别方法...
【技术特征摘要】
1.一种基于人工智能的数据识别方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的基于人工智能的数据识别方法，其特征在于，所述从所述本地模型中筛选出模型参数的步骤，具体包括：
3.根据权利要求1所述的基于人工智能的数据识别方法，其特征在于，所述基于预设的验证策略对所述模型参数进行验证处理的步骤，具体包括：
4.根据权利要求1所述的基于人工智能的数据识别方法，其特征在于，所述基于预设的聚合策略对所述指定模型参数进行聚合操作，得到聚合后的目标模型参数的步骤，具体包括：
5.根据权利要求1所述的基于人工智能的数据识别方法，其特征在于，所述基于所述目标模型参数构建对应的目标全局模型的步骤，具体包括：
6.根据权利要求1所述的基于人工智能的数据识...
【专利技术属性】
技术研发人员：刘杰，瞿晓阳，王健宗，张旭龙，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。