基于梯度相似性动态模型融合的个性化联邦学习方法、装置及系统

本发明公开了一种基于梯度相似性动态模型融合的个性化联邦学习方法、装置及系统。该方法包括以下步骤：中央服务器初始化全局模型参数并分发至各客户端；客户端接收全局模型参数后，基于本地数据独立的进行全局模型和本地模型训练，同时计算全局梯度和本地梯度的相似性，动态调整两者的融合权重，生成适配本地数据的个性化模型；客户端上传更新后的全局模型参数至中央服务器，中央服务器聚合客户端上传的参数，更新全局模型参数。本发明通过动态调整模型混合权重，以缓解每个客户端的非独立同分布数据所带来的异质性问题，有助于每个客户端最终的个性化模型更适应于它本地的数据。