1.一种基于自适应聚合稀疏通信的学习方法，其特征在于，所述方法包括：获取自适应聚合规则并根据所述自适应聚合规则确定目标节点；对所述目标节点对应的目标信息进行稀疏处理；根据预设序列结合李雅普诺夫函数计算收敛结果；对深度神经网络模型进行训练以获得学习方法；所述获取自适应聚合规则并根据所述自适应聚合规则确定目标节点的步骤，包括：获取预先设定的自适应聚合规则；在与服务器进行通信的节点之间根据所述自适应聚合规则将所有节点划分为两个不相交的集合M t 和 在检测到进行第t次迭代时，使用M t 中选定节点的新梯度信息，同时重用 中节点旧的压缩梯度信息将迭代通信轮次从M缩小到|M t |以确定目标节点；所述对所述目标节点对应的目标信息进行稀疏处理的步骤，包括：对所述目标节点对应的目标信息在迭代时选择top-k梯度分量，并将其余梯度分量置为零，使得零值元素免于通信；所述对所述目标节点对应的目标信息在迭代时选择top-k梯度分量，并将其余梯度分量置为零，使得零值元素免于通信的步骤之后，还包括：使用误差反馈技术，将稀疏化产生的误差纳入下一步以保证收敛性；定义辅助序列 其中 是m节点上的第t次迭代时的误差；所述根据预设序列结合李雅普诺夫函数计算收敛结果的步骤，包括：记 且学习率选择为：其中c γ >0是一个常数，得出：以此来收敛计算结果；所述对深度神经网络模型进行训练以获得学习方法的步骤，包括：采用以下迭代格式进行训练：其中， 所述获取自适应聚合规则并根据所述自适应聚合规则确定目标节点的步骤之后，还包括：结合自适应聚合规则，利用如下迭代格式进行迭代：其中M t 和 分别为第t次迭代中与服务器进行通信和不进行通信的工作集合；M：＝{1，...M}表示分布式节点的集合； 是节点m在第t次迭代时选择的小批量数据。
2.一种基于自适应聚合稀疏通信的学习装置，其特征在于，采用权利要求1所述的基于自适应聚合稀疏通信的学习方法，所述装置包括：节点确定模块，用于获取自适应聚合规则并根据所述自适应聚合规则确定目标节点；稀疏处理模块，用于对所述目标节点对应的目标信息进行稀疏处理；结果获取模块，用于根据预设序列结合李雅普诺夫函数计算收敛结果；模型训练模块，用于对深度神经网络模型进行训练以获得学习方法。
3.一种基于自适应聚合稀疏通信的学习设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于自适应聚合稀疏通信的学习程序，所述基于自适应聚合稀疏通信的学习程序配置为实现如权利要求1所述的基于自适应聚合稀疏通信的学习方法的步骤。
4.一种介质，其特征在于，所述介质上存储有基于自适应聚合稀疏通信的学习程序，所述基于自适应聚合稀疏通信的学习程序被处理器执行时实现如权利要求1所述的基于自适应聚合稀疏通信的学习方法的步骤。
