期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于样本熵方法分析人体平衡动态调整特征
1
作者 马越 高毅 王新 《医用生物力学》 北大核心 2025年第5期1214-1221,共8页
目的运用样本熵(sample entropy,SEn)探究人体站立平衡能力及其随时间尺度的平衡控制特征,揭示不同支撑条件与站立任务对平衡调节机制的影响。方法22名青年(男、女各11名)分别在硬、软支撑面上完成双腿、左腿、右腿站立各30 s。采集压... 目的运用样本熵(sample entropy,SEn)探究人体站立平衡能力及其随时间尺度的平衡控制特征,揭示不同支撑条件与站立任务对平衡调节机制的影响。方法22名青年(男、女各11名)分别在硬、软支撑面上完成双腿、左腿、右腿站立各30 s。采集压力中心前后、左右方向数据,计算SEn、熵半衰期(entropic half-life,EnHL)及熵变化率。结果男性左腿站立于软支撑面时,前后与左右方向EnHL存在显著性差异(P<0.05);男、女性右腿站立于软支撑面时,前后方向EnHL也有显著性差异(P<0.05);所有站立条件下,男、女性EnHL均大于100 ms;单腿站立于软支撑面时,男性前后、左右方向SEn显著高于女性(P<0.05);双腿站立于硬支撑面时,男性熵变化率为-0.005,提示其重心后移且姿势调整较少。另外,男、女性双腿站立于软支撑面左右方向到达EnHL的时间分别为194、192 ms;女性前后方向具有更短的EnHL时间(168 ms)。当站立支撑面发生改变对EnHL的影响较小。结论本体感觉减弱可能导致性别间不同肢体的平衡控制策略有所变化:男性更倾向于向前调整,而女性则更倾向于向后调整。双腿站立时性别对平衡控制稳定性影响不明显,但在特定条件干扰下,男性可能需要更多的干预和调整以维持平衡。 展开更多
关键词 样本熵 平衡能力 熵半衰期 压力中心
在线阅读 下载PDF
联邦长尾学习研究综述
2
作者 周弈志 王军晓 +4 位作者 谢鑫 王鹏飞 贾西贝 齐恒 秦宇辰 《计算机学报》 北大核心 2025年第4期779-807,共29页
联邦学习是一种基于分布式训练的机器学习技术,有效地解决了因联合建模而引发的用户间数据隐私泄露问题,因此在多个领域得到了广泛应用。然而,在实际的联邦学习应用中,统计异质性与长尾分布的共存成为一大挑战,严重影响了模型性能。因此... 联邦学习是一种基于分布式训练的机器学习技术,有效地解决了因联合建模而引发的用户间数据隐私泄露问题,因此在多个领域得到了广泛应用。然而,在实际的联邦学习应用中,统计异质性与长尾分布的共存成为一大挑战,严重影响了模型性能。因此,如何在保护数据隐私的前提下解决长尾问题,已成为当前的研究热点。本文综述了联邦长尾学习的研究成果,首先简要阐述了联邦学习的架构,并介绍了统计异质性、长尾学习及联邦长尾学习的核心概念与定义。接着,依据优化方法的差异,将联邦长尾学习的算法分为两大类:模型组件改进和基于算法的优化,并深入分析了每种算法的实现细节及其优缺点。同时,为了更好地为不同任务提供参考,本文整合了一些具有代表性的开源数据集、长尾划分策略、评价指标与对比实验。最后,针对未来的应用场景和研究方向,对联邦长尾学习进行了展望。期望通过本文的深入研究,能为这类问题提供更全面的解决方案,进一步推动联邦长尾学习技术在各个领域的广泛应用和发展。 展开更多
关键词 联邦学习 长尾学习 联邦长尾学习 统计异质性 隐私保护 边缘智能
在线阅读 下载PDF
联邦忘却学习研究综述 被引量：2
3
作者 王鹏飞 魏宗正 +5 位作者 周东生 宋威 肖蕴明 孙庚 于硕 张强 《计算机学报》 EI CSCD 北大核心 2024年第2期396-422,共27页
数据已经成为与土地、劳动力、资本、技术等并列的重要生产要素之一.利用数据分析挖掘数据的潜在价值,有助于推动产业创新、技术升级和区域经济发展.然而,在数据使用过程中,隐私泄露等风险限制了数据的流通和共享.因此,如何在数据流通... 数据已经成为与土地、劳动力、资本、技术等并列的重要生产要素之一.利用数据分析挖掘数据的潜在价值,有助于推动产业创新、技术升级和区域经济发展.然而,在数据使用过程中,隐私泄露等风险限制了数据的流通和共享.因此,如何在数据流通和共享过程中保护数据隐私已成为研究热点.联邦忘却学习(Federated Un-learning)撤销用户数据对联邦学习模型的训练更新,可以进一步保护联邦学习用户的数据安全.本文综述了联邦忘却学习的研究工作,首先简要阐述了联邦学习架构,并引出忘却学习和联邦忘却学习的概念和定义;其次,根据修正对象的不同将联邦忘却学习算法分为面向全局模型和面向局部模型两类,并详细分析各类算法的实现细节以及优缺点;然后,本文还详述联邦忘却学习中常用评价指标,将评价指标划分为模型表现指标、遗忘效果指标和隐私保护指标三类,并分析不同类型评价指标的优缺点;最后,本文对联邦忘却学习未来的研究方向进行展望. 展开更多
关键词 联邦学习 联邦忘却学习 数字经济 隐私保护 边缘智能
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部