一种基于时效性的半异步分层联邦学习更新方法

摘要

本发明提供了一种基于时效性的半异步分层联邦学习更新方法，其中包括了一种解决多种异构设备数据共享的分层通信架构，实现大量设备的异构连接；其次提出了一种基于半异步的分层联邦学习更新方法，实现网络分层情况下的同步和半异步的模型更新，实现异构设备计算与通信的资源合理运用，并保证联邦学习网络的可靠性；最后针对异构设备数据存在异质性，为了给分类设备提供更个性化的网络服务，我们提出了一种边缘更新方法来实现模型个性化服务。与现有的联邦学习方法相比，本发明提出的基于时效性的半异步分层联邦学习方法更能提高异构网络的通信和计算性能，为未来移动网络提供更智能的分布式学习方法。