一种面向飞行器的深度神经网络模型训练方法及系统

本发明公开一种面向飞行器的深度神经网络模型训练方法及系统，涉及飞行器技术领域。所述方法包括：各基站分别向其覆盖域内的各飞行器下发深度神经网络模型参数和任务损失采集指示；各基站接收其覆盖域内的各飞行器返回的多任务损失；在各基站中部署以每个基站为智能体的多智能体协同的云边资源分配策略，各基站基于云边资源分策略进行深度神经网络模型更新决策，决策由基站本地或云服务器使用多任务损失更新深度神经网络模型参数。本发明从隐私数据保护、模型训练效率方面进行设计和优化，可以在保护电动垂直起降飞行器任务数据隐私的同时减小深度神经网络模型训练的回传时延和跨多任务的推理损失。