一种基于类脑脉冲神经网络的边缘联邦持续学习方法

本申请公开了一种基于类脑脉冲神经网络的边缘联邦持续学习方法，具体涉及机器学习的领域。包括：中心服务器向每个边缘设备下发待训练的全局模型；每个边缘设备使用样本集对待训练的全局模型进行训练；其中，在接收到新任务时，样本集包括第一样本集和第二样本集，第一样本集包括新任务对应的数据集中的全部样本，第二样本集的获取方式为：对当前样本集中每个类别的样本进行删除，并采用基于羊群效应的样本选择策略选择第一样本集中的样本，并将其添加至当前样本集中，得到第二样本集；每个边缘设备将训练后的全局模型的参数上传至中心服务器；中心服务器整合每个边缘设备的模型参数，生成全局模型。能提高边缘设备在连续任务中的准确率。