一种基于混合专家模型的联邦学习方法和系统

本发明提供一种基于混合专家模型的联邦学习方法和系统，涉及机器学习技术领域，包括：利用全局门控网络对当前客户端的本地门控网络进行初始化，得到初始的本地门控网络对本地数据集进行特征提取，利用基于Top‑K的自适应专家选择机制从多个专家模型中筛选出与数据特征的适配度最高的K个目标专家模型Sk或从服务器端下载所需的目标专家模型确保所有选定的专家模型均可在本地使用；客户端使用本地数据对目标专家模型进行前向计算，基于预测结果和真实标签得到目标专家的训练反馈参数，并通过反向传播算法优化目标专家模型客户端将各目标专家模型的计算结果进行加权求和，得到综合预测结果，提高了模型的泛化能力和性能。