一种面向工业物联网的高效异构联邦学习方法

本发明提供一种面向工业物联网的高效异构联邦学习方法，属于联邦学习技术领域。将神经网络模型分割为边缘特征提取器和全局分类器；边缘特征提取器部署在边缘设备上，全局分类器部署在服务器上；边缘设备上还集成有边缘分类器，与边缘特征提取器结合构成边缘模型；服务器基于同步时间聚合本轮边缘训练中边缘特征提取器的权重参数，更新全局模型；同时，通过运行时间模型计算每个边缘设备的运行时间；根据运行时间以及同步时间定制每个边缘模型的规格参数；将更新后的全局模型和边缘模型规格参数下发至对应边缘设备；各边缘设备根据下发的全局模型和模型规格参数生成用于下一轮边缘训练的边缘模型。通过上述步骤实现兼具效率与效能的异构联邦学习。