一种面向多工况的自组织多教师个性化联邦学习方法

本发明公开了一种面向多工况的自组织多教师个性化联邦学习方法，包括：中央服务器获取企业客户端的节点信息；中央服务器基于多教师模型生成机制对企业客户端的节点信息进行分析，并为企业客户端生成对应的教师模型；中央服务器对教师模型建立的结果进行评估，并根据评估结果对教师模型的教师协作关系进行优化；企业客户端基于本地数据，通过共识整合教师模型知识，建立私有模型，并通过私有模型获取当前误差，以及对当前误差进行评估；在当前误差小于预设误差阈值的情况下，输出私有模型。本发明的方法能够提升多工况场景下私有模型的准确性，并能够降低分布差异对随机配置网络监督条件难以满足的影响，提升模型收敛速度。