一种非共享数据的去中心化的分布式学习方法及系统

摘要

本发明公开了非共享数据的去中心化的分布式学习方法和系统，所述方法是一种含锚方法的集群联邦学习优化方法，包括如下步骤：系统初始化、局部计算、中心聚合、模型更新。在FedAvg算法的基础上，人为设定多个集群，以满足非独立同分布的数据分布，提高模型收敛速度；并通过含锚方法的集群联邦学习优化方法，明显提高了联邦学习技术在面对非独立同分布数据时的收敛速度与稳定性，较好地利用了客户端数据非独立同分布的特征，能极大提高模型训练时的稳定性和收敛速度，并有效地提高了模型的泛化性能。