[发明专利]一种基于自适应本地聚合的个性化联邦学习方法

摘要

本发明公开了一种基于自适应本地聚合的个性化联邦学习方法，涉及联邦学习技术领域，包括以下步骤：服务器发送全局模型Θ0到所有客户机中，初始化各个客户机的本地模型；客户机i执行第t轮迭代训练，执行自适应本地聚合，得到初始化本地模型；根据t值判断是否需要进行自适应本地聚合权重训练，以得到新的自适应本地聚合权重并更新初始化本地模型；采用梯度下降方式更新本地模型，并发送到服务器；服务器对接收到的本地模型执行全局聚合生成全局模型Θt。本发明能够捕获全局模型中提升本地模型质量的信息，促进本地模型训练，能够应用于现有的其他联邦学习方法，实现全局模型中信息的精准提取，并利用提取到的信息提升模型在各个客户机上的个性化表现。