一种边缘智能控制器中非独立同分布数据的联邦学习方法

本申请涉及联邦学习优化领域技术领域，本申请提供一种边缘智能控制器中非独立同分布数据的联邦学习方法，其特征在于，包括以下步骤：S10：挑选预参与全局聚合的节点子集St；S20：在节点子集St中选取节点进行模型的本地训练，并将模型权重和损失函数的梯度发送给服务器；S30：计算各节点对全局模型收敛的贡献度，选取真正参与本轮全局聚合的节点子集S40：在节点子集中选取节点并重构节点的模型权重；S50：根据节点子集中节点的贡献值对节点进行赋分并全局聚合求得全局模型权重；S60：调整各节点在下一轮训练中被选取的概率。本申请通过有选择地挑选节点进行全局聚合，更好地表征节点对全局模型训练的贡献度从而更好地提高训练效果。