学术报告(10月2日):Communication Efficient Federated Learning

发布者:李芳菲发布时间:2020-09-28浏览次数:10

学术报告

报告题目:Communication Efficient Federated Learning

报 告 人:金耀初教授

报告时间:2020102日(周五)下午16:00

腾讯会议:393 732 875

会议密码:123456

会议直播:https://meeting.tencent.com/l/X4dseQAD7ESz

主办单位:地下空间智能控制教育部工程研究中心,信息与控制工程学院

报告摘要:

Federated learning is a new distributed learning paradigm that can preserve data privacy in machine learning. One of the main challenges in federated learning is to reduce the communication costs for transmitting model parameters between local devices and the central server and vice versa. This talk presents some most recent work on communication efficient federated learning, including constructing compact local models, introducing layer-wise asynchronous parameter update, and using ternary quantization. At the end of the talk, future directions of research in federated learning will be briefly discussed.

报告人简介:

金耀初,英国萨里大学计算科学系计算智能首席教授,自然计算与工程研究组主任。教育部“长江学者奖励计划”讲座教授,芬兰国家技术局“芬兰杰出教授”,全球高被引科学家,IEEE Fellow

研究方向涉及人工智能的多个领域,包括数据驱动代理模型辅助的进化优化、可靠机器学习、多目标进化学习、集群机器人和进化发展系统。目前是IEEE Transactions on Cognitive and Developmental SystemsComplex & Intelligent Systems期刊主编。荣获20182020 IEEE Transactions on Evolutionary Computation最佳论文奖,20142016以及2019IEEE Computational Intelligence Magazine最佳论文奖。


版权所有:中国矿业大学信息与控制工程学院  地址:江苏省徐州市大学路1号中国矿业大学南湖校区信息与控制工程学院