基于联邦学习与多模态感知的电源管理芯片动态调节方法及系统

本申请提供了基于联邦学习与多模态感知的电源管理芯片动态调节方法及系统，涉及电源管理技术领域，本申请通过多模态数据的贝叶斯概率融合与轻量化LSTM‑CNN混合模型的应用，使PMIC的异常检测准确率超过99.70%，相较于传统方案的92.30%，显著提升了系统的可靠性和安全性；这一提升意味着系统能够更准确地识别电源管理中的异常情况，如电压波动、电流过载等，从而及时采取保护措施，避免设备损坏或数据丢失。