报告题目：从不同角度看联邦学习

报告人：Tony Q.S. Quek（教授）

主持人：王倩

报告时间：2023年11月1日 10:30-11:30

报告地点：信息楼D533

报告摘要：

机器学习由于其在处理复杂计算和模型方面的高效率，在无线通信领域发挥着越来越重要的作用。在这次演讲中，我们将全面介绍基于联邦学习的分布式学习范式，包括通用架构、模型训练算法和量化收敛速度的分析框架。具体来说，我们从不同的角度研究了联邦学习，即无线联邦学习、空中联邦学习、数据异构性和学习效率。此外，我们还分享了我们在该领域的一些最新工作，以提供不同的创新方式来看待这种联合学习并解决该技术的固有挑战。

报告人简介：     

Tony Q.S. Quek教授是IEEE Fello和新加坡工程院院士。他在东京工业大学的电气与电子工程专业分别获得学士和硕士学位，在麻省理工学院（MIT）获得博士学位。他现在是新加坡科技与设计大学（SUTD）的教授，担任信息系统技术与设计学院的院长、未来通信研究和开发项目的主任、SUTD AI项目的部门领导以及SUTD-ZJU IDEA项目的副主任。他当前的研究方向包括无线通信和网络、大数据处理、网络智能、超可靠低时延通信以及物联网。 他积极组织和主持会议，在多个国际会议中担任专委会成员。他现在是IEEE Transactions on Wireless Communications(TWC)期刊的编辑，是IEEE信号处理协会 SPCOM专委会的当选议员。他曾担任过IEEE TWC期刊的执行编辑委员以及IEEE Transactions on Communications(TCOM)期刊和IEEE Wireless Communications Letters(WCL)期刊的编辑。他还合著过多本由剑桥大学出版社发行的著作。 他在2008年获得Philip Yeo Prize以嘉奖其在科研方面的杰出成就，2012年获得IEEE William R. Bennett Prize，2016年获得IEEE信号处理协会的青年作者最佳论文奖，2017年获得通信理论专委会（CTTC）早期成就奖和IEEE 通信协会亚太地区杰出论文奖，2020年获得IEEE通信协会青年作者最佳论文奖、IEEE Stephen O. Rice Prize以及诺基亚的访问教授职位。他在2016年到2020年连续5年当选Clarivate Analytics的高被引学者。