一种基于双流专家架构的自适应动态分离式联邦学习方法

一种基于双流专家架构的自适应动态分离式联邦学习方法，包括：1）构建分离式联邦学习系统，并将全局模型搭载上去；2）初始化通信轮次和分离式联邦学习系统的参数；3）随机选择个客户端作为当前轮次的激活客户端，并分发对应的客户端参数；4）基于双流专家架构对每个激活客户端进行参数更新；5）主服务器基于激活客户端的服务器端参数状态，对双流专家架构进行重组更新；6）判断是否更新当前轮次的超参数，若是，则对超参数进行更新，并进入步骤7）；7）判断是否达到预设的总通信轮次，若是，则得到最终的全局模型，若否，则令轮次加一，并返回步骤3）。本发明解决了分离式联邦学习在非独立同分布数据场景下的稳定性‑多样性困境问题。