联邦多视图学习研究进展

报告题目：联邦多视图学习研究进展

报 告 人：任亚洲副教授

报告时间：5月10日 15:00-17:00

报告地点：计算机与软件学院明理楼B306

报告人简介：

任亚洲，电子科技大学计算机学院/（深圳）高等研究院副教授，2023年电子科技大学“学术新人奖”获得者，深圳市高层次人才。从事人工智能与智慧医疗研究，以第一/通讯作者在NeurIPS、AAAI、IJCAI、CVPR、ICCV、ACM MM等顶级会议，以及TNNLS、TKDE、TGRS、TMM、Inf Fus、Inf Sci等知名期刊上发表论文60多篇；总发表论文数110多篇，含1篇高被引论文、2篇国际会议最佳论文奖；Google学术引用2300多次。主持国家级、省部级、横向科研项目10多项；作为骨干成员参与科技创新2030“新一代人工智能”和“脑科学与类脑研究”等重大项目。CCF高级会员，CAAI智能服务专委会委员，CSIAM大数据与人工智能专委会委员，皇家永利人工智能学会理事，成都市生物医学工程学会理事。担任多个期刊审稿人，多个国际会议的SPC、PC。

报告内容摘要：

联邦多视图学习是一种在联邦设置下的多视图学习范式，旨在通过多个客户端联合学习多视图数据，以提高本地模型性能并构建高质量的全局模型。该方法在保障数据隐私的前提下，有效地利用分布在多个客户端的多样化多视图数据，协同学习不同视图的特征信息。本报告针对联邦多视图学习研究中的前沿问题，阐述报告者近年来在该领域的相关研究进展，着重介绍近期在基于自监督学习的深度多视图学习、联邦深度多视图学习等方面的研究成果。同时，对未来联邦多视图学习的发展趋势进行深入分析，为听众呈现这一领域的最新动态和潜在研究方向。

主办单位：计算机与软件学院

 科学技术发展研究院