边缘计算网络中的分层个性化联邦学习方法、装置及介质

本发明涉及一种边缘计算网络中的分层个性化联邦学习方法、装置及介质，属于边缘计算领域，其中方法包括：将边缘计算网络划分为两层，第一层为终端设备层，包括由多个终端设备分簇形成的多个集群，第二层为边缘云层，由各个簇的簇头节点与边缘服务器进行通信；确定边缘计算网络中待进行通信的终端设备；基于分布相似度和资源相似度加权度量对终端设备进行分簇；对边缘计算网络进行训练，实现双层个性化联邦边缘学习，其中，训练过程包括采用同步机制的簇内训练和采用异步机制的簇间训练，簇间训练中，每个簇头节点在进行簇间融合时仅融合部分参数，保留个性化特征。与现有技术相比，本发明具有训练效率高、权衡了泛化和个性化等优点。
之江实验室
郭松涛 | 朱永东 | 何静 | 刘贵燕 | 曲鑫