联邦学习框架NEXUS-MI把运动想象脑机接口骨干网流量降低约42%
运动想象脑机接口的个体差异大,校准数据少,联邦学习能在不上传原始脑电的前提下共享模型。这个框架把网关同步当作学习与通信的联合控制问题:原始脑电和分类头留在本地,边缘协调器维护共享骨干网络。在BCICIV-2a和OpenBMI两个数据集上,通信感知协调把服务器到客户端的骨干网流量减少约42%,队列平均准确率差异很小且随实现而变。但平均值掩盖了个体脆弱性,BCICIV-2a上相对理想链路参考的损失最高约12个百分点。
推荐理由
联邦学习常被当作隐私方案,这项预印本把它当成通信调度问题:网关怎么同步、旧更新收不收、骨干网络什么时候下载,都会影响个体准确率。42%的流量降幅是省在骨干网上的,不是省在本地脑电上;真正值得注意的是队列平均准确率看着没差,个体上却可能掉12个百分点。这说明只报平均值的联邦脑机接口评测不够用,可靠性要按人看。