基于联邦学习的老年陪护机器人应用研究

2020-11-27 上传，收录于 设计研究方法

小组成员：付小鹏 张玉 李湘 内容简介：联邦学习是一种借助多个用户数据来训练一个中心模型的分布式机器学习方法。相较于传统的机器学习，联邦学习则具有更高的效率和更高的保密性。本文在我国老龄化速度加快，年轻人赡养压力增大的社会背景下，提出了基于联邦学习的老年陪护机器人研究。旨在通过联邦学习提高老年陪护机器人的智能程度，拓展其应用领域，推动老龄化相关问题的解决。首先针对老年群体对陪护机器人产品的了解程度和功能需求，确定了老年群体对陪护机器人以健康检测、情感陪护为主的功能需求和以安全性、智能性、简易操作性为主的特性需求。并对现有陪护机器人分析，总结了现有机器人的主要外形、功能类型和技术支持。主要探讨了联邦学习在情绪感知和医疗健康领域的迁移应用。探索了多模态数据库的建立和如何基于模态情感模型结合联邦学习提升陪护机器人的情感陪护灵活性；研究了通过联邦学习建立电子健康病历以及如何将其用于陪护机器人，有效提升医疗效率与信息安全。