一种个性化联邦学习方法及系统

本发明公开了一种个性化联邦学习方法及系统，在客户端，引入scSE注意力机制，将scSE注意力机制添加到GAN的生成器和判别器中，获取数据在通道和空间维度上的重要特征，并对这些特征进行增强；通过自适应地调整网络参数，优化生成对抗网络结构，构建客户端本地模型，并上传至中央服务器；在中央服务器端，构建个性化联邦学习模型，接收客户端上传的本地模型，对本地模型进行聚合训练，获取优化的全局模型，并将优化的全局模型参数发送至各客户端。自适应地关注数据中的关键特征，提高GAN在个性化联邦学习中的训练效率和数据生成质量，提升模型在多种任务上的表现，适应数据集在分布和特性上存在的差异，并解决异质数据的问题。