本申请涉及加快联邦学习系统及同步隐藏、稀疏卷积层构建和学习方法。所述的系统包括多个数据源、同步隐藏层模块、前馈神经层模块,或多个数据源、同稀疏卷积层模块：同步隐藏层构建方法包括隐藏概率选择、训练；稀疏卷积层构建方法包括假设、培训，加快联邦学习的方法，其特征在于：所述的学习方法包括数据输入、不同数据源的轨迹相似度分析、稀疏卷积层处理、数据输出。本申请的优点是，根据数据隐私和数据安全需求并结合联邦学习的特点，提出多个数据源存放在本地，并通过使各数据源通过一个协议，使得各个数据源可以联合起来建立一个联邦模型，通过交换一些模型的参数信息，让联邦模型不断成长优化。