一种面向智慧城市的去中心化联邦神经网络模型高可靠部署方法

本发明涉及一种面向智慧城市的去中心化神经网络模型长期高可靠部署方法，按照以下步骤进行：1）基于城市环境的手机用户、车辆、摄像头等异构终端以及边缘服务器搭建去中心化联邦学习架构，该架构基于本地模型训练、簇内本地模型边缘聚合以及簇间边缘模型聚合三个关键步骤实现边缘模型的更新；2）以提高去中心化联邦学习架构的长期训练效率为目标，在有限的频谱资源以及有限的服务器运行成本下建立面向边缘模型聚合过程的边缘服务器部署模型，该模型中考虑终端和边缘服务器、边缘服务器之间存在模型传输导致的误码率；3）基于在线学习架构并设计多方匹配和禁忌搜索算法解决单周期优化问题，提高城市环境下去中心化联邦学习架构的长期模型构建效率。