一种基于注意力机制的单轮联邦学习推理方法和系统

本发明公开了一种基于注意力机制的单轮联邦学习推理方法和系统，包括：获取已训练好的全局模型中每个本地模型基于待预测样本，输出的预测结果，全局模型是将多个客户端已训练好的本地模型与注意力机制驱动的专家识别方法、专家感知贡献校准方法进行聚合得到的；将每个本地模型输出的预测结果进行堆叠，得到输出矩阵；基于注意力机制驱动的专家识别方法和专家感知贡献校准方法对输出矩阵进行专家识别和贡献校准，输出目标预测结果，专家识别用于识别所有本地模型中的高质量模型和低质量模型，贡献校准用于增加高质量模型的权重，并减少低质量模型的权重。本发明能够降低服务器的复杂性和资源消耗，并提高全局模型输出的准确性。