基于联邦强化学习的数据增强方法及相关设备

本申请提供的基于联邦强化学习的数据增强方法及相关设备，实现对训练性能和增强样本数量的优化，包括：获取至少一个初始模型的第一模型参数；基于生成对抗网络处理第一模型参数，确定第一增强数据集；将至少一个初始模型通过联邦平均算法处理，得到全局模型；基于马尔可夫决策过程、第一模型参数以及第一增强数据集的第一样本数量，确定增强数据策略；根据全局模型的第二模型参数和增强数据策略，训练初始模型，得到局部模型；根据全局模型在测试集上的测试准确率和第二样本数量，得到策略奖励；基于多智能体强化优化算法，将初始模型、增强数据策略、局部模型以及策略奖励作为训练样本，存储到样本池中；根据训练样本迭代训练局部模型。