[发明专利]一种端边云联邦学习模型训练系统及方法

权利要求书

1.一种端边云联邦学习模型训练系统，其特征在于，所述系统包括多个终端、多个边缘端；

各所述终端，用于向一个或多个边缘端发送样本数据；

各所述边缘端，用于接收一个或多个终端发送的样本数据；计算获取各所述样本数据的成本；根据获取各所述样本数据的成本、预设的不同准确率对应的联邦学习成本和预设的不同模型准确率对应的模型损失，计算总训练成本最低时的模型准确率，得到目标准确率；根据所述样本数据对待训练的联邦学习模型进行训练，直至满足所述目标准确率；判断训练后的联邦学习模型是否满足预设准确率，若否，则向对应终端反馈数据获取信息；

各所述终端，还用于接收一个或多个边缘端反馈数据获取信息；根据所述数据获取信息向一个或多个边缘端发送当前的数据；

各所述边缘端，还用于接收一个或多个终端发送的当前的数据；计算获取所述当前的数据的成本；根据获取所述当前的数据的成本、所述样本数据的成本、所述预设的不同准确率对应的联邦学习成本和所述预设的不同模型准确率对应的模型损失计算总训练成本最低时的模型准确率，根据计算结果更新所述目标准确率，并对所述联邦学习模型进行训练，直至满足更新后的目标准确率；判断训练后的联邦学习模型是否满足预设准确率，若否，则向对应终端反馈数据获取信息，以使所述终端向各所述边缘端发送当前的数据，并根据所述当前的数据进行训练，若是，则得到训练好的联邦学习模型。

2.根据权利要求1所述的系统，其特征在于，所述系统还包括云端，

各所述边缘端，具体用于通过所述样本数据和所述当前的数据对所述联邦学习模型进行训练，得到满足目标准确率的第一终端网络模型；将所述第一终端网络模型的参数发送至所述云端；

所述云端，用于对各所述边缘端发送的所述第一终端网络模型的参数进行整合，得到第一整合参数；将所述第一整合参数反馈至各所述边缘端；

各所述边缘端，具体用于接收并根据所述第一整合参数对所述第一终端网络模型的参数进行更新；通过所述样本数据和所述当前的数据对更新后的联邦学习模型进行训练，得到第二终端网络模型；将所述第二终端网络模型的参数发送至所述云端，以使所述云端对各所述边缘端发送的第二终端网络模型的参数进行整合，得到并将第二整合参数反馈至各所述边缘端；利用所述第二整合参数对所述第二终端网络模型的参数进行更新，返回所述通过所述样本数据对更新后的终端网络模型进行训练，得到第二终端网络模型的步骤继续执行，直至得到满足目标准确率的联邦学习模型。

3.根据权利要求1所述的系统，其特征在于，

各所述边缘端，具体用于接收所述当前的数据；计算所述当前的数据的购买成本和传输成本，所述样本数据的购买成本和传输成本；根据所述当前的数据的购买成本和传输成本、所述样本数据的购买成本和传输成本、所述预设的不同准确率对应的联邦学习成本和所述预设的不同模型准确率对应的模型损失，创建不同模型准确率对应的联邦学习模型的总训练成本模型；对所述不同模型准确率对应的联邦学习模型的总训练成本模型进行求解，计算总训练成本最低时的模型准确率，并根据计算结果更新所述目标准确率，并对所述联邦学习模型进行训练。

4.根据权利要求2所述的系统，其特征在于，

各所述边缘端，还用于从所述云端下载所述待训练的联邦学习模型。