उपयोगकर्ताओं के बीच हार्मोनिक घटकों के कंपन डेटा में महत्वपूर्ण वितरण विसंगतियों के कारण वैश्विक मॉडल के खराब प्रदर्शन और कुछ संचालन स्थितियों में लेबल किए गए डेटा की सीमित उपलब्धता से निपटने के लिए, हार्मोनिक घटकों के लिए दोष निदान के लिए अनुकूलन समाकलन रणनीति के साथ संघीय प्रोटोटाइप डोमेन अनुकूलन ढांचा (AFPDA) प्रस्तुत किया गया है। पहले, उपयोगकर्ता मॉडल पैरामीटर और वर्ग प्रोटोटाइप को संघीय शिक्षा ढांचे में मुख्य अंतःक्रियात्मक जानकारी माना गया है। एक मल्टीयूजर प्रोटोटाइप सहयोग और अंतःक्रिया तंत्र का निर्माण किया जाता है ताकि स्रोत डोमेन और लक्ष्य डोमेन में उपयोगकर्ताओं के बीच प्रभावी ज्ञान अंतःक्रिया को सक्षम किया जा सके। दूसरे, एक वर्ग-प्रोटोटाइप-निर्दिष्ट स्थानीय मॉडल प्रशिक्षण रणनीति को स्थानीय डेटा विशेषताओं को वर्ग प्रोटोटाइप के साथ संरेखित करने के लिए डिज़ाइन किया गया है जबकि डेटा गोपनीयता सुनिश्चित की जाती है। अंत में, वैश्विक मॉडल की नैदानिक क्षमता को बढ़ाने के लिए एक विचलन-जानकारी अनुकूलन मॉडल समाकलन रणनीति प्रस्तावित की गई है। एक बेयरिंग डेटासेट और एक स्व-एकत्रित हार्मोनिक घटक डेटासेट पर विस्तृत तुलनात्मक प्रयोग किए गए हैं। अन्य संघीय ट्रांसफर लर्निंग विधियों की तुलना में, AFPDA अनलेबल किए गए लक्ष्य डोमेन उपयोगकर्ताओं पर क्रमशः 3.58% और 7.54% की वृद्धि से निदान सटीकता में सुधार करता है।
कांग एट अल। (बुध,) ने इस प्रश्न का अध्ययन किया।