01
讲座时间
2024年11月17日10:00-11:00
02
讲座地点
文添楼503
03
讲座主题
联邦学习研究分享：理论、方法与实战经验
04
主讲嘉宾
章晓菲，中南财经政法大学统计与数学学院，讲师。2015年6月毕业于中国科学技术大学统计专业，获得学士学位，2021年8月毕业于美国爱荷华州立大学统计系，获得博士学位。研究兴趣包括抽样调查，分布式统计推断和高维数据分析。主要成果发表在JASA，IEEE TIFS，ICLR等顶级期刊及会议上。
05
主讲内容
联邦学习近年来成为了一种新兴的学习范式，其旨在分布式数据上进行深度模型的协同训练，而无需集中收集原始数据，从而提升数据隐私保护。在大多数情况下，联邦学习下各个本地用户的样本并非独立同分布。这种情况下，神经网络的训练性能可能会根据数据分布显著变化，甚至影响训练收敛性。例如医学影像中的不同扫描仪/传感器，或自动驾驶中的不同场景分布（高速公路与城市）。为解决这些问题，我们将介绍两种创新性的方法：
1.FedBN：一种采用本地批归一化的方法，旨在应对特征偏移的非独立同分布情境；
2.PerFL-RSR：一种个性化联邦学习方法，专注于鲁棒和稀疏回归问题。PerFL-RSR通过求解具有稀疏融合惩罚的Huber损失，能够在异质数据条件下有效应对个性化需求。本次讲座将结合上述前沿方法的研究过程，分享在联邦学习研究中的选题思路和写作技巧。
文字 | 吴志伟 原昕
排版 | 胡立文
审核 | 吴志伟
