金耀初教授:Communication efficient federated learning
发布时间: 2020-12-10 浏览次数: 5273

报告内容:Communication efficient federated learning

报告人:金耀初 教授

报告时间:12月11日 19:00

报告方式:线上(腾讯会议:181 423 363)


指导人简介

金耀初(Yaochu Jin)目前为英国萨里大学“计算智能”首席教授,IEEE Fellow。曾任中国教育部“长江学者奖励计划”讲座教授,芬兰国家创新局“Finland Distinguished Professor”,IEEE计算智能学会副主席(2014-2015)。目前是IEEE Transactions on Cognitive and Developmental Systems 主编,Complex & Intelligent Systems 共同主编,IEEE 杰出演讲人(2013-2015,2017-2019)。在进化算法、机器学习等领域方面发表论文300余篇,Google Scholar引用15000余次,先后在近30个国际会议上作特邀大会或主题报告。荣获2017年度“IEEE进化计算汇刊优秀论文奖”,2014、2016年度“IEEE 计算智能杂志优秀论文奖”,“2017年世界进化计算大会最佳学生论文奖”以及“2014年计算智能理论国际研讨会最佳学生论文奖”。他指导的博士学位论文获“2018年度IEEE计算智能学会优秀博士论文奖”。研究方向涉及人工智能的多个领域,包括进化计算,多目标优化与决策,大数据、稀疏数据驱动的进化优化,多目标机器学习、安全机器学习,分布式机器学习等及其在复杂工业过程、健康医疗及群机器人等方面的应用。


  报告内容简介:

Federated learning is a new distributed machine learning paradigm for privacy-preserving. This talk presents two recently developed federated learning algorithms for reducing communication cost without performance degradation. One is based on multi-objective evolutionary optimization that evolves structure of the learning model, and the other suggests a heterogeneous model update method with temporarily weighted aggregation. The talk is concluded with a discussion of future work.