[发明专利]生理状态监测方法、装置及系统

权利要求书

1.一种生理状态监测方法，其特征在于，包括：

对被授权采集的历史生理数据进行训练，得到个体学习模型；所述个体学习模型包括基础层模型及个性化层模型；

将所述基础层模型按照其所属簇的类别上传至边缘训练节点，并接收所述边缘训练节点反馈的边缘基础学习模型或云端泛化学习模型；所述边缘基础学习模型由所述边缘训练节点对同一簇的所述基础层模型进行聚合得到；所述云端泛化学习模型由与所述边缘训练节点连接的云端训练节点对所述边缘基础学习模型进行泛化得到；

用所述边缘基础学习模型或云端泛化学习模型更新所述个体学习模型中的基础层模型；

将被授权采集的当前生理数据输入更新后的个体学习模型，得到生理状态监测结果。

2.根据权利要求1所述的生理状态监测方法，其特征在于，所述对被授权采集的历史生理数据进行训练，得到个体学习模型，包括：

将预处理后的历史生理数据输入神经网络模型进行训练，得到所述基础层模型及所述个性化层模型；

组合所述基础层模型与所述个性化层模型，得到所述个体学习模型。

3.一种生理状态监测方法，其特征在于，包括：

接收个体训练节点上传的基础层模型，并确定所述基础层模型所属的簇；所述基础层模型由所述个体训练节点利用历史生理数据及神经网络模型训练得到；

对同一簇的所述基础层模型进行聚合，得到各簇的边缘基础学习模型；

将所述边缘基础学习模型反馈至其所属簇的个体训练节点，以使所述个体训练节点用所述边缘基础学习模型更新所述基础层模型，得到生理状态监测结果。

4.根据权利要求3所述的生理状态监测方法，其特征在于，所述对同一簇的所述基础层模型进行聚合，得到各簇的边缘基础学习模型，包括：

按照所述基础层模型所属簇的类别，获取所述基础层模型的第一神经网络参数；

按照预设的加权聚合策略，对各基础层模型的第一神经网络参数进行加权聚合，以实现对同一簇的所述基础层模型的聚合，得到所述边缘基础学习模型。

5.一种生理状态监测方法，其特征在于，包括：

接收个体训练节点上传的基础层模型，并确定所述基础层模型所属的簇；所述基础层模型由所述个体训练节点利用历史生理数据及神经网络模型训练得到；

对同一簇的所述基础层模型进行聚合，得到各簇的边缘基础学习模型；

将所述边缘基础学习模型上传至云端训练节点，以使所述云端训练节点对所述边缘基础学习模型进行融合，得到云端泛化学习模型；

接收所述云端训练节点反馈的云端泛化学习模型，并将所述云端泛化学习模型反馈至所述个体训练节点，以使所述个体训练节点用所述云端泛化学习模型更新所述基础层模型，得到生理状态监测结果。

6.根据权利要求5所述的生理状态监测方法，其特征在于，在将所述边缘基础学习模型上传至云端训练节点之前，还包括：

根据所述边缘基础学习模型的神经元参数生成所述边缘基础学习模型的边缘识别矩阵；

将所述边缘识别矩阵嵌入所述边缘基础学习模型后，上传至所述云端训练节点。

7.根据权利要求5所述的生理状态监测方法，其特征在于，还包括：

获取所述云端泛化学习模型，并用所述云端泛化学习模型更新所述边缘基础学习模型。

8.一种生理状态监测方法，其特征在于，包括：

接收各边缘训练节点上传的边缘基础学习模型，并分别获取各所述边缘基础学习模型的第二神经网络参数；

将各所述边缘基础学习模型的第二神经网络参数输入全局神经网络模型进行训练，得到云端泛化学习模型；

将所述云端泛化学习模型反馈至所述各边缘训练节点，以使所述各边缘训练节点将所述云端泛化学习模型反馈至个体训练节点，从而使所述个体训练节点用所述云端泛化学习模型更新基础层模型，得到生理状态监测结果。