时间：2023年6月17日（周日） 上午10:30

所在：校本部东区12号楼B525

讲座：资源受限的异构设惫亓联邦学习

演讲者：吴大鹏，，，，香港都会大学教授

演讲者简介：

吴大鹏，，，，IEEE Fellow，，，，现任香港都会大学电脑科学系讲座教授，，，，以及重大性科学与重大网络研究中心成员。。。。。。他于2003年获得卡内基梅隆大学电子与盘算机工程博士学位。。。。。。他的研究兴趣涵盖人工智能、通讯、图像处置惩罚、盘算机视觉、信号处置惩罚和生物医学工程等领域。。。。。。

吴教授曾获得2017年佛罗里达大学年度教授奖，，，，2009年佛罗里达大学研究基金会教授奖，，，，2009年美国空军科学研究中心优异青年研究员奖，，，，2008年美国水师研究署优异青年研究员奖以及2007年美国国家科学基金会优异青年教授奖。。。。。。他还获得了2001年IEEE Transactions on Circuits and Systems for Video Technology（T-CSVT）的年度最佳论文奖，，，，以及2011年IEEE GLOBECOM和2006年QShine的最佳论文奖。。。。。。他曾担当IEEE Transactions on Network Science and Engineering主编，，，，IEEE Transactions on Communications、IEEE Transactions on Signal and Information Processing over Networks、IEEE Signal Processing Magazine、IEEE T-CSVT、IEEE Transactions on Wireless Communications和IEEE Transactions on Vehicular Technology的副主编，，，，同时他也是2006年至2008年Journal of Advances in Multimedia的信用主编。。。。。。吴教授还曾担当2012年IEEE INFOCOM的程序委员会（TPC）主席，，，，并于2016年中选为IEEE Vehicular Technology Society优异讲师（Distinguished Lecturer）。。。。。。

讲座摘要：

联邦学习可以使多个漫衍式装备能够在不集中其装备上数据的情形下协同砚习共享的展望模子。。。。。。然而，，，，现在的大大都算法都要求设惫亓模子在具有相同的结构和巨细的情形下举行外地训练，，，，这阻碍了资源受限装备的加入。。。。。。为相识决异构装备的问题，，，，我们基于零样本知识迁徙提出了一种异构设惫亓新型联邦学习框架，，，，称为FedZKT。。。。。。详细而言，，，，FedZKT允许装备凭证其自身的外地资源自力确定其在设惫亓模子。。。。。。本次讲座将先容FedZKT的设计、其在装备上知识不可知、装备上模子异构以及其他具有挑战性的联邦学习场景（如装备间的数据异构和滞后效应）中的有用性和鲁棒性。。。。。。

约请人：通讯与信息工程学院 曾丹 教授

接待宽大西席和学生加入！