图1：线下参会人员合影
2023年8月11日，香港中文大学（深圳）协理副校长、深圳市人工智能与机器人研究院（AIRS）副院长兼群体智能研究中心主任黄建伟教授主持召开了2023年夏季网络通信与经济学实验室（NCEL）研讨会。
研讨会议主要分为四个主题，由NCEL实验室和研究中心的博士生和博士后就当前的研究内容和成果进行分享和讨论。本次研讨会旨在交流当前科研成果，探讨未来发展方向。
图2：全体NCEL实验室成员合影
Session 1：Transportation and Energy
刘云舒博士（Last BSP Awardee）
主题: Throughput Optimization in Blockchain-based Energy Trading Systems through Online Learning
刘博博士
主题: A Decentralized Multi-Agent Reinforcement Learning Framework for Traffic Network Signal Control
肖奕霖博士
主题: Energy Saving for Large-scale Heterogeneous Wireless Networks
图3：肖奕霖博士的分享
肖奕霖博士主要介绍了大规模无线网络的能耗优化相关研究。5G基站的大规模部署提升了用户体验，同时也增加了网络能耗。在全球气候变暖和运营商支出增加的双重压力下，提升网络能效尤为重要。然而，在大规模异构网络场景下，如何分析网络的能耗性能界以及如何高效地优化网络能耗，是非常重要且极具挑战的问题。针对上述挑战，首先构建了大规模异构网络的能耗优化问题，在覆盖和数据率的服务质量需求约束下，控制基站关断和用户关联的决策变量。然后，利用拉格朗日松弛法求解构建的大规模0-1规划问题，得到网络能耗性能界。最后提出基于分簇的能耗优化算法，将大规模网络分解成多个簇，分布式地求解各个簇内的能耗优化问题，从而提升问题求解效率。
Session 2：Data Attribute
博士生成锦
主题: Multi-Source Data Cooperation
博士生叶文涛
主题: Recruiting Heterogeneous Crowdsource Vehicles for Updating a High-definition Map
博士生罗易凡
主题: Privacy Preservation over Spatiotemporal Correlated Databases
图4：博士生罗易凡的分享
Session 3：Machine Learning
孙晨曦博士
主题: Federated Learning in Competitive EV Charging Market
汉鹏超博士
主题: Federated Learning While Providing Model as a Service: Jointly Training and Inference Optimization
图5：汉鹏超博士的分享
汉鹏超博士分享了联邦学习中的模型训练与分布式模型服务提供的联合优化方法。在给定客户端资源约束下，优化每个客户端参与联邦学习学习和提供用户服务付出的资源量，最大化长期服务提供的性能，保证服务提供稳定性。
博士生徐睿辰
主题: Tackling Privacy Heterogeneity in Federated Learning
博士生徐睿辰介绍了联邦学习中在存在隐私异构性的情况下，如何选择用户的研究。在联邦学习系统中，由于用户拥有不同的隐私保护需求，用户会选择添加不同大小的噪声来保护他们的梯度信息。该工作首先分析了用户数据和添加噪声对于训练结果收敛性的影响，并设计了一种平衡噪声和数据影响的用户选择策略。仿真表明，该策略可以有效提高联邦学习模型训练准确率。
博士生李想
主题: A Social Welfare Maximization Framework for Federated Learning with Network Effects
博士生李想介绍了网络效应下的联邦学习的社会效率问题。在联邦学习中，模型性能与参与者的数量及特征息息相关，从而导致用户参与的网络效应。在网络效应的影响下，现有机制往往激励不足或过分激励用户的参与，无法最大化社会效益。因此，该工作提出了一种新的联邦学习框架，通过相应的机制设计，引导用户达到联邦学习的社会最优状态，而无需平台的额外激励。
欧阳小敏博士
主题: Design and Deployment of Multi-Modal Federated Learning Systems for Alzheimer’s Disease Monitoring
黄曦博士
主题: Operations and Pricing for Foundation Model based ML Service Customization and Delivery
Session 4：Pricing and Business Models
博士生何均懿
主题: How to Price Fresh Data with Strategic Users
博士生何均懿分享了实时数据市场（Fresh Data Market）的最新的相关研究。实时数据市场专注于实时数据的获取和分发。该工作探究了用户的策略性等待行为对实时数据定价的影响，并得到了一些有趣的见解。首先，用户的策略性行为可能会损坏用户的效用，其次，相比于面对短见的用户，当面对策略性用户的时候，尽管数据刷新频率更低，平台可以获取更高的利润。
博士生陈可馨
主题: Information Elicitation from Decentralized Crowd Without Verification
图6：博士生陈可馨的分享
博士生陈可馨分享了去中心化群体决策在真实情况无法确认场景下的激励设计。现实中有许多场景群体决策场景是没有中央平台调控并提供激励的，高质量的决策离不开每个群体成员的努力，因此，需要设置合理的激励机制来补偿成员付出的努力。在去中心化的设置下，本工作提出一个成员即要考虑是否贡献激励，又要提交任务答案的激励框架，分析成员在三种激励分配机制（均分、基于输出一致、基于夏普利值的分配方式）下的均衡决策行为。此外，本工作还比较了这三种激励分配机制下的答案准确率以及社会福利表现。
博士生林沁琦
主题: Personalized Pricing through Strategic User Profiling in Social Networks
NCEL Awards
本次研讨会设置了网络通信与经济学实验室Best Student Presentation Award、Best Research Contribution Award、Best Team Player Award以及Person of The Year 2023等奖项。黄建伟教授还为各位获奖者准备了仪式感满满的奖杯和NCEL周边，以表彰他们的出色表现。
图7：最佳学生演讲获奖证书——林沁琦
图8：最佳科研贡献获奖证书——李想
图9：最佳科研贡献获奖证书——欧阳小敏
图10：最佳团队角色获奖证书——黄曦
图11：年度人物获奖证书——汉鹏超
我们的文章可以转载了呢~欢迎转载与转发呦
想了解更多前沿科技与资讯？
点击上方入口关注我们！
欢迎点击右上方分享到朋友圈
香港中文大学（深圳）
网络通信与经济实验室
微信号 : ncel_cuhk
