联合动态采样与带宽优化的边缘联邦学习通信方法

本发明公开了联合动态采样与带宽优化的边缘联邦学习通信方法，涉及边缘计算技术领域，包括以下步骤：通过监控工具采集终端设备的样本大小、训练时间及网络带宽，预处理后分类并提取带宽标签，采用动态采样与异步通信优化，结合带宽感知的梯度压缩，优先传输重要梯度，评估收敛速度，优化资源协同，MEC服务器异步分发参数，管理更新队列，聚合模型。本发明通过联合动态采样与带宽优化，显著提升了边缘联邦学习通信效率，降低了传输成本，动态调整采样策略与优先传输重要梯度，加速了模型收敛，优化了设备资源协同，MEC服务器的异步参数分发与队列管理，确保了模型更新的及时性与准确性，增强了边缘学习的实用性与灵活性。