PulseAugur
中
实时 09:51:06
English(EN) Hybrid Quantum-inspired Kolmogorov-Arnold Networks for Privacy-Aware Federated Biosignal Learning

新AI模型提供高效、私密的生物信号学习

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种混合量子启发式Kolmogorov-Arnold网络（HQKAN），用于生物信号数据的隐私感知联邦学习。该新网络使用MIT-BIH和INCART数据集的ECG数据，针对心律失常分类与传统多层感知机（MLP）进行了评估。与MLP基线相比，HQKAN在聚合和少数类指标方面表现出改进的性能，同时显著减少了可训练参数和通信成本。 AI

影响 为联邦学习场景中分析敏感生物信号数据提供了一种更高效、更私密的方法。

排序理由 详细介绍新AI模型及其评估的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新AI模型提供高效、私密的生物信号学习

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Chun-Hua Lin, Samuel Yen-Chi Chen, Yu-Chao Hsu, Kuo-Chung Peng, Jiun-Cheng Jiang, Chi-Sheng Chen, Tai-Yue Li, Nan-Yow Chen, En-Jui Kuo, Hsi-Sheng Goan ·

    混合量子启发式Kolmogorov-Arnold网络用于隐私感知联邦生物信号学习

    arXiv:2608.13914v1 Announce Type: cross Abstract: Electrocardiogram (ECG) recordings are sensitive biomedical data, limiting the ability of hospitals and wearable devices to share raw signals for centralized model training. Federated learning addresses this practical privacy cons…

相关实体

相关话题