[发明专利]边缘场景下动态权重的联邦学习方法

摘要

本发明公开了一种边缘场景下动态权重的联邦学习方法，涉及机器学习技术领域，包括筛选客户端；下发全局模型给各客户端；客户端更新自身的计算能力值；客户端对全局模型进行训练；客户端根据计算能力值λ*和模型训练总时长，计算设备权重；对于每一客户端，若其模型训练总时长大于或等于截止时长，则直接返回参数至边缘服务器，否则通过增加余项对全局模型参数进行优化后，再返回参数至边缘服务器；边缘服务器根据设备权重所有返回的全局模型参数进行聚合，得到最终全局模型参数。本发明减少了因训练速度不一致导致部分设备带来的异构性影响，根据服务质量确定在最终模型聚合时的占比，从而确保聚合的结果在复杂的真实情况下更具有鲁棒性。