一种自适应进化剪枝策略的联邦学习方法

本申请涉及联邦学习技术领域，特别是涉及一种自适应进化剪枝策略的联邦学习方法，通过在服务器端部署一个过参数化的超网网络来学习所有客户端多样的私有数据分布，同时每个客户端建立与其私有数据分布相适应的子网。通过结构化剪枝方法减小子网体积，不仅降低了通信成本，还提高了模型的本地个性化程度。每个客户端能够根据本地数据自行更新子网染色体编码，从而自适应地调整模型结构。这样的设计使得模型更加贴合各个客户端的特定需求，同时减少了计算和存储资源的需求。此外，服务器通过集成所有客户端的输入来更新全局模型，增强了模型的泛化能力和鲁棒性。