摘要
本发明提供基于多源要素数据融合的中药材药效评估方法及系统,方法包括:采集并预处理中药材多源要素数据;基于分布式联邦学习模型,聚合预处理后的中药材多源要素数据,获得聚合数据;采用基于量子相干增强学习策略的生成对抗网络算法对聚合数据进行数据扩充,获得扩充样本;对扩充样本进行特征提取与降维,获得降维特征;对降维特征进行药效分类评估,获得中药材药效评估结果。本发明能够在保障数据安全的同时,准确评估中药材的药效,为中药材质量控制和药效预测提供了科学依据。
技术关键词
联邦模型
生成对抗网络
量子态
联邦学习模型
降维特征
药效
样本
参数
算法结构
扩充模块
编码器
保障数据安全
信息熵
数据获取单元
总生物碱
数据采集模块
节点
评估系统
成分分析
系统为您推荐了相关专利信息
代谢网络模型
编辑
交叉注意力机制
深度Q网络
Cas9基因
动作指导方法
深度神经网络模型
训练深度神经网络
视频
分布式数据库
光学镜片
噪声特征
粗糙度参数
光线追踪算法
混沌吸引子
营养状态诊断
叶片
施肥策略
生成对抗网络
多模态数据融合
无线电环境地图
生成对抗网络
估计方法
高分辨率模块
采样率