一种应用于物联网低功耗芯片的轻量分布式模型聚合方法

本申请涉及物联网技术领域，特别涉及一种应用于物联网低功耗芯片的轻量分布式模型聚合方法，适用于由云端服务器和若干个边缘节点组成的物联网系统。各边缘节点从离线数据中学习最优策略，同时通过知识蒸馏技术，将复杂的教师模型压缩为轻量级学生模型，从而降低本地计算负担。各边缘节点将经过量化、稀疏化处理的模型参数上传至云端服务器，云端服务器采用加权平均方法进行联邦聚合，生成全局模型，并在保证数据安全的前提下反馈至各终端。为适应低功耗芯片的实际应用，本申请在硬件层面引入了动态电压频率调节技术，有效降低了能耗和通信开销。该方法优化了物联网的边缘节点的模型训练流程，实现了隐私保护、通信高效与协同自适应的联邦学习。