量子科技中心_量科网

该工作提出了联邦量子核长短期记忆网络（Fed-QK-LSTM）框架，将量子核方法与长短期记忆网络集成到联邦学习中。该框架在隐私敏感环境下增强了人类活动识别（HAR）能力，并利用量子计算实现分布式学习系统。各客户端节点的DeepConv-QK-LSTM架构采用卷积层高效捕获局部模式，其设计支持使用浅层QK-LSTM建模HAR数据中的长程依赖关系。量子核方法使模型能以较少可训练参数捕捉多元时间序列数据中的复杂非线性关系。在RealWorld HAR数据集上的实验表明，该框架在不同客户端设置和本地训练轮次中均取得具有竞争力的准确率。该研究展示了Fed-QK-LSTM框架在实际应用（特别是边缘计算环境和稀缺量子设备场景）中实现鲁棒且隐私保护的人类活动识别的潜力。