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：2021年11月23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，bat365中文官方网站

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1988、1991及1996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 2019、2020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。