科学研究
首页 >> 科学研究 >> 学术报告 >> 正文
学术报告(11月23日):Multi-objective Evolutionary Federated Neural Architecture Search

学术报告

报告题目:Multi-objective Evolutionary Federated Neural Architecture Search

报 告 人:金耀初 教授

报告时间:20211123日(周二)下午16:00

腾讯会议:429278592         会议密码:123456

主办单位:地下空间智能控制教育部工程研究中心,williamhill威廉希尔官网

报告摘要:

Neural architecture search has been shown to be effective in automating the design of deep neural networks. Not much work has been reported, however, on neural architecture search in a federated environment, in which data privacy and communication cost as well model accuracy are of great importance. Following a brief introduction to the Pareto approach to optimization and machine learning, this talk will present two recently developed multi-objective evolutionary neural architecture search algorithms that maximize the learning performance and minimize communication cost.

报告人简介:

金耀初分别于198819911996年在浙江大学电机系获学士、硕士和博士学位,并于2001年在德国波鸿鲁尔大学神经信息研究所获工学博士学位。目前为德国比勒菲尔德大学工程学院“洪堡人工智能讲席教授”,兼任英国萨里大学计算机系“计算智能”讲席教授。曾任芬兰国家技术创新局“芬兰杰出教授”IEEE Fellow

金耀初教授长期从事人工智能与计算智能的理论、算法和工程应用研究,特别是数据驱动的复杂系统进化优化、进化多目标机器学习、联邦学习与安全机器学习、演化发育系统与形态发育机器人学等。金耀初教授已发表学术论文400余篇,被Google Scholar引用总次数28000余次,h-index 80,入选Web of Science 20192020年度“全球高被引科学家”。多次获“IEEE进化计算汇刊优秀论文奖”及“IEEE计算智能杂志优秀论文奖”。目前担任《IEEE认知与发育系统汇刊》主编,《复杂与智能系统》主编,IEEE计算智能学会理事。曾任IEEE计算智能学会副理事长,两次任IEEE杰出演讲人。

 

扫一扫分享此页
扫码关注