双协同采样神经架构搜索

边缘端高效个性化

通过路径与数据协同采样和演化搜索，为资源受限的联邦节点自动生成轻量且精准适配本地数据分布的个性化子网络。

Li, Jianzhao · 王善峰 · Rui, Yang · Tang, Zedong · Yu, Zhou · 公茂果

Journal of Remote Sensing 2026

技术优势

动态搜索关键子网

通过梯度范数引导的路径采样，在联邦训练过程中自动识别并优先训练架构关键子网络，减少冗余计算。

聚焦高价值样本

基于梯度上界的数据采样将计算资源集中于对训练结果影响大的样本，从而显著降低梯度方差和训练开销。

自动演化个性化模型

部署阶段每个客户端独立执行进化优化，从训练好的超网络中提取精准适配本地数据分布的子网络，无需人工调参。

保护数据隐私

整个架构搜索和个性化过程在联邦学习框架内进行，客户端原始数据不离开本地，仅共享模型参数。

应用场景

• 遥感智能解译：为异构联邦节点自动搜索轻量高精度网络，加速遥感图像自动解译落地。
• 边缘智能计算：按边缘设备算力约束定制子网络，实现高效本地推理。
• 无人机遥感：让无人机在资源受限下获得个性化轻量模型，不牺牲分类精度。
• 星载AI运算：为星载终端独立演化专用子网络，避免固定架构在轨部署困难。
• 自适应机器学习：以进化算法驱动架构自适应本地数据分布，实现持续个性化。