報告題目：車載邊緣計算中的聯邦學習：增強協作式機器學習
報告時間：8月8日15：00
報告地點：伟德国际BETVlCTOR中心校區王湘浩樓A117
報告人：畢遠國 東北大學教授
報告人簡介：
畢遠國，東北大學長聘教授/博士生導師，計算機科學與工程學院黨委副書記兼紀委書記，複雜網絡系統安全保障技術教育部工程研究中心副主任，遼甯省高校面向先進裝備業的嵌入式技術重點實驗室主任。2010年7月作為東北大學引進人才就職于計算機科學與工程學院。研究領域包括車聯網、移動邊緣計算、網絡空間安全、人工智能、聯邦學習、故障診斷等。作為負責人主持國家重點研發計劃項目課題/子課題、國家自然科學基金重點項目課題、國家自然科學基金面上項目、教育部基本科研業務費重點項目等國家級/省部級項目20餘項。近年來在IEEE JSAC、IEEE TMC、IEEE TWC、IEEE TITS、IEEE IoT Journal、IEEE Communications Magazine、IEEE Wireless Communications、IEEE Network等國際頂級SCI期刊/國際會議發表學術論文80餘篇、高被引論文1篇，主編中、英文學術專著3部，參與制定IEEE國際标準2項、國家标準2項，授權發明專利13項、軟件著作權3項；擔任《IEEE Communications Magazine》、《IEEE Wireless Communications》、《IEEE Network》等國際頂級SCI期刊編委/客座編委，以及國際會議IEEE/CIC ICCC 2023程序委員會主席、IEEE ICCSN 2023大會共同主席、IEEE MSN 2018出版主席等；獲得全國百篇優秀博士學位論文提名獎、遼甯省科技進步二等獎1項（排名第一）、遼甯省自然科學學術成果獎3項（排名第一）。
報告内容簡介：
作為一種分布式機器學習範式，聯邦學習能夠保護本地數據隐私的同時實現設備間的聯合訓練。将聯邦學習應用于車載邊緣計算為➿⚽✨➿智能交通應用提供了前景。在本次演講，将介紹一種自适應協作聯邦學習方案。該方案采用動态本地訓練輪次調整方法和協作邊緣服務器訓練方案，以提高模型可靠性并減少通信輪次。此外，在多個聯邦學習系統的場景下，我們還将介紹一種邊緣服務器再分配方案，以提高訓練效率和網絡資源利用率，同時減輕異構數據的影響。
主辦單位：伟德国际BETVlCTOR
伟德国际BETVlCTOR軟件學院
伟德国际BETVlCTOR計算機科學技術研究所
符号計算與知識工程教育部重點實驗室
仿真技術教育部重點實驗室
網絡技術及應用軟件教育部工程研究中心
伟德国际BETVlCTOR國家級計算機實驗教學示範中
