联邦学习在情感识别与EEG信号分类中的应用研究

Bo Hu

Keywords: 联邦学习；情感识别；脑电图（EEG）；数据隐私；分布式机器学习；非独立同分布（non-IID）；多模态数据模 型；聚合深度学习；医疗健康

Abstract:

随着人工智能技术的快速发展，情感识别与脑电图（EEG）信号分类在医疗健康和人机交互领域的应用逐渐深入。
然而，传统集中式数据处理方法在隐私和安全性上面临挑战。联邦学习（Federated Learning, FL）作为一种新兴的分布式机
器学习框架，通过本地训练和模型聚合的方式，在保护用户隐私的同时有效提升模型性能。本文系统分析了联邦学习在情感
识别与 EEG 信号分类中的应用潜力，探讨关键技术、隐私保护机制以及未来发展方向，为推动联邦学习技术在相关领域的
应用提供理论基础和实践指导。

Submission Number: 22