一种健康群智感知系统及其成本优化的联邦学习方法

摘要

本发明公开一种健康群智感知系统及其成本优化的联邦学习方法，本发明提出了云边端的系统架构和成本优化的联邦学习模型，通过云边协同的方式部署联邦学习来训练全局模型；在成本优化的联邦学习模型中，边根据待训练全局模型的验证精度决定是否参与本轮次训练，使得通讯成本和局部训练成本得以优化，云对接收到的局部模型更新进行质量评估并选择高质量的局部模型更新参与全局模型的聚合，从而提升学习效率。基于公开数据集的大量实验证明了本发明所提方法在保证全局模型精度的前提下，有效降低了通讯成本和训练成本。