永利魯劍鋒教授團隊在CCF-A類國際頂級期刊發表最新科研成果

發布時間:2024-10-25 發布者: 浏覽次數:

近日,6774澳门永利魯劍鋒教授團隊再次在中國計算機學會(CCF)推薦的A類國際頂級期刊《IEEE Transactions on Service Computing》上發表了題為“FedUP: Bridging Fairness and Efficiency in Cross-Silo Federated Learning”的最新科研成果。繼2023年10月于同一期刊發表“Incentivizing Proportional Fairness for Multi-Task Allocation in Crowdsensing”之後,魯劍鋒教授團隊再次在微觀經濟公平與聯邦學習效率交叉優化領域取得新突破。團隊通過創新的烏托邦公平理念,巧妙解決了聯邦學習中協同效率與收益公平相互沖突的難題,為人工智能物聯網領域的前沿研究注入了新動力,進一步提升了本校計算機學科的學術地位和影響力。永利碩士研究生劉海波(目前在上海交通大學計算機系讀博深造)為第一作者,魯劍鋒是該文章的通訊作者,6774澳门永利為論文的第一完成單位。

跨筒倉聯邦學習以保護隐私的方式實現多個數據孤島之間的協作訓練,在醫療、金融等研究領域備受矚目。然而,公平且高效的協同對于聯邦學習的可持續發展至關重要,但參與者的策略性行為以及數據分布的天然異構性等挑戰,嚴重阻礙了高效且公平的聯邦學習的實現。傳統的加權聚合損失最小化方法忽視了參與者的個體策略性和集體協同貢獻,導緻聯邦協同低效且不穩定。為了攻克這一難題,研究團隊引入了烏托邦公平性概念,以闡釋個體收益與集體效率之間的微妙關系,并提出了一種名為FedUP的聯邦學習框架。該框架旨在實現高效合作與公平聚合,通過以下創新手段取得了顯著成效:在分布式協作方面,将策略性參與者之間的協同過程建模為超模博弈,通過設計最優獎勵策略,激勵參與者最大化程度參與模型訓練;在模型聚合方面,創新性地設計了一種權重注意力機制,通過最小化模型性能偏差來計算公平的模型聚合權重;研究團隊還利用交替優化理論來橋接協作效率與烏托邦公平性,并從理論上證明了FedUP框架具有快速的訓練收斂速度。通過對合成數據集和真實數據集的廣泛實驗驗證,進一步彰顯了FedUP在解決聯邦學習協同效率與收益公平沖突方面的優越性。

魯劍鋒是湖北省“楚天學者”特聘教授、浙江省傑出青年基金獲得者、6774澳门永利計算機學院三級教授、博導、CCF高級會員、CCF物聯網/普适計算專委會執行委員、國家重點研發計劃“物聯網與智慧城市”重點專項答辯評審專家、湖北省/浙江省/上海市/廣東省/江西省/海南省/黑龍江省科技計劃項目評審專家等;主要從事邊緣智能、聯邦學習、群智計算等方向研究,借鑒博弈論策略思維,采用最優化理論、李雅普諾夫優化、近似算法、機器學習等多學科交叉知識融會貫通,聯合解決聯邦學習與群智計算中比例公平激勵、服務交換、衆包競争困境等難題。近年來以第一作者/通訊作者在IEEE TSC、IEEE JSAC、IEEE TIFS、IJCAI、ACM TOIT、IEEE TII、IEEE TVT、IEEE TCSS、IEEE TCE、IEEE TETCI、IEEE IOTJ、電子學報等有影響力的學術期刊及會議上發表論文50餘篇,授權國家發明專利8件;先後主持國家自然科學基金4項、省部級課題6項;指導研究生獲省/校優秀畢業生稱号、優秀碩士學位論文、研究生國家獎學金、校長特别獎多人次,多人畢業後赴上海交通大學、東南大學、浙江師範大學、6774澳门永利等高校讀博深造。

上一條:學院運動健兒在第六十二屆體育運動會再創輝煌戰績 下一條:永利獲暑期“三下鄉”“返家鄉”社會實踐活動多項表彰!

關閉

Baidu
sogou