1.一种基于无线联邦学习的学习模型训练方法,应用于图像识别模型,其特征在于,联邦学习系统包括一个任务发布者和一组移动用户,移动用户的集合表示为步骤1:以任务发布者发出的奖励R和移动用户n的本地迭代精度ε步骤2:根据得到的
步骤3:第一次全局迭代时任务发布者将学习模型的初始参数分发给每个移动用户,移动用户n基于本地数据集训练该学习模型,执行π所述步骤1中建立如下目标函数:s.t.0<ε
其中,
α是移动用户的计算芯片组的有效电容参数,c通过求解上述目标函数,得到每次主从博弈时移动用户n的最佳本地精度其中
建立每次主从博弈时最佳奖励R其中,γ表示任务发布者根据训练完成后的单位模型准确度得到的收益,κ是常数系数;
根据表达式
2.根据权利要求1所述的一种基于无线联邦学习的学习模型训练方法,其特征在于,在所述步骤3中进行训练时,全局迭代的损失函数为:其中D
其中,x
将第t-1次全局迭代时全局聚合后的参数作为下一次全局迭代时学习模型的参数w其中,ζ为常数,
3.根据权利要求2所述的一种基于无线联邦学习的学习模型训练方法,其特征在于,所述步骤4中,任务发布者对收到的模型参数采用如下方式进行全局聚合: