一种异构边缘环境下基于动态概率优化的联邦增量建模方法

本发明提供了一种异构边缘环境下基于动态概率优化的联邦增量建模方法，该方法包括如下步骤：各工厂中的设备统计加噪后的类别密度向量上传至服务器；服务器选择多个候选集合，计算各候选设备集的分布偏移系数，选取最小者集合参与联邦训练；选中设备训练并上传最佳参数；服务器聚合并分发全局模型参数；设备根据全局参数计算新增隐层输出并上传至服务器；服务器根据设备的表现进行多指标评估，通过基于多指标评估和公平性约束的Exp3算法优化其被选概率，并基于该概率选择设备参与训练；直至当隐层节点数超限或残差满足期望容差时，训练结束，分发给设备作为软测量模型。