摘要
本申请提供一种基于情绪感知的分布式联邦学习方法,包括:中央服务器构建情绪动态演化图全局模型;中央服务器对情绪动态演化图全局模型进行初始化,得到待分发全局模型;中央服务器将待分发全局模型分发给车辆节点;车辆节点根据接收到的待分发全局模型构建本地模型;车辆节点基于本地模型进行车辆用户的情绪状态识别,得到情绪状态识别结果;车辆节点通过预先构建的动态情绪自适应引擎和情绪状态识别结果控制目标车辆调整当前车辆系统的交互方式和服务内容。该方法能够根据情绪状态动态调整交互方式和服务内容的能力,以适应当前用户情绪和驾驶环境的能力,提升了用户体验和驾驶安全性。
技术关键词
联邦学习方法
情绪状态识别
强化学习环境
元学习算法
强化学习算法
车辆系统
联邦学习系统
服务器
动态
强度特征向量
分布式环境
策略
黎曼
差分隐私
节点特征
度量
参数
系统为您推荐了相关专利信息
机器学习模型
协同控制方法
农机
传感器阵列
非暂时性计算机可读存储介质
客户端
动力电池健康状态
电车
网络模型结构
老化特征
电气智能控制
训练样本数据
强化学习算法
智能控制系统
参数
抑制优化方法
控制策略
强化学习算法
参数
延长机床使用寿命
吹灰优化方法
积灰
循环流化床锅炉
高精度传感器
深度学习图像识别