一种用于垃圾分类的超网络个性化联邦学习方法

本发明提供了一种用于垃圾分类的超网络个性化联邦学习方法。该方法实现提高了模型的精度。首先初始共享层参数、各客户端个性化层参数以及超网络初始化参数并将共享层参数下发到各客户端，接着所述各客户端在本地数据上训练个性化层，更新所述个性化层参数，所述各客户端将共享层参数发送到服务器，所述服务器通过超网络生成的权重加权聚合，更新共享层参数，超网络优化并更新权重生成策略，用于下次聚合。本发明通过引入超网络动态生成客户端共享层的聚合权重，克服了简单平均聚合方式的局限性。