一种面向元宇宙的个性化联邦学习方法和系统

本发明公开了一种面向元宇宙的个性化联邦学习方法和系统，该方法在梯度稀疏化的梯度迭代计算中对元用户进行严格分类和更细致的处理，由此可以对用户进行分类选择、可以排除一些潜在的低质量用户、并且可以尽可能确保所有用户都能参与联邦学习；本发明方法中采用个性化联邦学习算法，考虑向相关元空间用户学习的知识转移，利用联邦学习差分函数计算模型参数之间的差值，从而自适应加强数据异质性较小的元空间用户之间的协作；本发明设计私有数据和公共数据的更新策略，使最新更新的数据参与下一迭代，通过更新数据、使得模型的训练数据一步一步被优化从而提升模型精度。