讲座人：胡友强 博士生
题目：面向高能效联邦边缘学习的设备调度与资源分配策略研究
时间：2022年6月27日 13: 00-14: 00
地点：T2313
讲座内容：
联邦学习是一种分布式的、隐私保护的机器学习范式。结合边缘计算，联邦学习催生了一个新的概念——联邦边缘学习，即借助于边缘计算平台的联邦学习。它被认为是未来的边缘智能时代的重要使能技术。然而，从执行层面上看，联邦边缘学习存在着重大的缺陷。与传统的集中式训练范式不同，联邦边缘学习的训练过程是在移动设备上完成的。由于训练任务是计算密集型的、且包含通信过程，因此联邦边缘学习任务是高能耗的。这对于电池容量有限的移动设备而言是一个重大的挑战。移动设备甚至可能为了保存电量而拒绝参与训练。这无疑会限制联邦边缘学习的发展。如何降低训练能耗对于移动设备的影响、提高设备的可持续性是一个值得探究的问题。本报告旨在叙述如何设计不同通信系统下的设备调度与资源分配策略以实现高能效的联邦边缘学习。
讲座人简介：
胡友强，博士生，2014年6月于东北大学秦皇岛分校获得电子信息工程专业学士学位，2017年3月于北京邮电大学获得电子与通信工程专业硕士学位。2018年3月至今在哈尔滨工业大学 (深圳) 计算机科学与技术专业学习并攻读博士学位。主要研究方向为边缘智能，曾在 WCSP、Computer Communications等国际会议和期刊上发表论文。