[发明专利]一种基于边缘计算的端-边协同联邦学习优化方法

摘要

本发明公开了一种基于边缘计算的端‑边协同联邦学习优化方法，包括以下步骤：构建联邦学习优化系统架构，包括云数据中心、边缘服务器、移动终端；移动终端与边缘服务器协同进行模型的本地更新；本地更新完成后，边缘服务器将更新好的模型参数发送至云数据中心进行全局聚合，得到新的模型；云数据中心对新的模型进行模型精度测试。本发明通过建立联邦学习优化系统架构，加入边缘服务器与移动终端进行协同的本地更新，极大减少了移动终端的计算开销；并在协同更新完成后在边缘服务器上对多个移动终端的运算结果进行先聚合，以减少所需的全局聚合次数，极大降低通信延时，加快联邦学习的模型训练速度。