一种适用于动态网络环境下的自适应通信联邦学习方法

本发明公开一种适用于动态网络环境下的自适应通信联邦学习方法，应用于边缘智能计算技术领域，针对现有技术中由于边缘计算固有的网络资源限制、网络动态和异构性等特点，导致的网络资源利用率低和通信开销大等问题。本发明基于去中心化的联邦学习训练模型，每个客户端只需要与一个邻居客户端通信，从而更充分地利用网络资源，然后提出了一个参数筛选机制，客户端之间只需交换筛选后的参数，减小通信开销；本发明可在动态网络环境中重新构建通信拓扑，同时可高效训练模型达到预期精度。