报告主题： 异步联邦强化学习方法研究

报 告 人： 张卫山

报告时间：2022年10月9日（周日）上午9：30-10：30

报告网址：腾讯会议：380 907 123

报告摘要：

联邦学习由于能够进行数据隐私保护为基础的大规模分布式学习目前备受重视。然而，实际使用联邦学习时，由于存在设备异构性和Non-IID数据（不完全独立分布式），客户端节点之间的特性将影响联邦学习的效果。为此，我们提出了一种弹性强化联邦学习的方法R2Fed，将强化学习应用于联邦学习并使用强化学习进行加权融合。我们在Non-IID和客户端异质性的条件下，进行目标检测、目标分类和情感分类等不同数据类型的实验。实验结果表明，R2Fed方法优于传统的联邦学习，平均准确率提高4.7%。R2Fed具有良好的可靠行，实验证明R2Fed能够抵御联盟攻击。另外，我们还将讨论在联邦学习的其他一些工作。

报告人简介：

张卫山，中国石油大学（华东）教授，博导。主要研究方向是大数据智能处理、人工智能等。中科院自动化所客座研究员，黄岛区拔尖人才，黄岛区智能大数据处理团队负责人。山东省人工智能学会理事，西海岸人工智能科技创新中心发起人和理事。发表SCI文章60余篇，国际会议论文80余篇。目前H index=25，i10 index= 65。中国自动化学会社会计算与社会智能专委，中国通信学会云计算与大数据专委，中国计算机学会普适计算专委，指挥与控制学会智能穿戴技术专委，CCF高级会员。主持国家自然科学基金、国家重点研发计划子课题等等多项纵向项目。研发的大数据系统部署于海尔集团、中石油、中国电力、航天科工等。排名第一获得了山东省科技进步二等奖、吴文俊人工智能科技进步三等奖、青岛市技术发明三等奖以及其他多项省部级奖励。