一种触发式联邦持续学习调度与关键数据共享的方法

本发明提供了一种触发式联邦持续学习的调度与关键数据共享的方法。该方法包括：边缘设备持续进行环境数据收集与性能监测，向服务器上传性能评估报告；服务器对性能评估报告进行分析，判断是否触发联邦学习过程；服务器选择持有关键数据的边缘设备参与联邦学习；被选中参与联邦学习的边缘设备进行本地模型训练，通过关键数据识别算法筛选出关键数据样本，边缘设备将更新后的本地模型和关键数据样本上传给服务器；服务器端聚合各个边缘设备上传的本地模型，通过联邦聚合算法生成新的全局模型，将新的全局模型下发给各个边缘设备。本发明方法减少了不必要的通信和计算资源消耗，提高了系统整体效率，在自动驾驶、智能医疗等领域具有广阔应用前景。