一种基于知识蒸馏的边缘联邦学习算法
打开文本图片集
摘要： 针对边缘计算环境中参与联邦学习的客户端数据资源的有限性，同时局限于使用硬标签知识训练模型的边缘联邦学习算法难以进一步提高模型精度的问题，提出了基于知识蒸馏的边缘联邦学习算法。利用知识蒸馏对软标签信息的提取能够有效提升模型性能的特点，将知识蒸馏技术引入联邦学习的模型训练中。在每一轮的联邦学习模型训练过程中，客户端将模型参数和样本逻辑值一起上传到边缘服务器，服务器端聚合生成全局模型和全局软标签，并一起发送给客户端进行下一轮的学习，使得客户端在进行本地训练时也能够得到全局软标签知识的指导。（剩余14035字）