講座名稱：Collaborative Learning towards Real-time Edge Intelligence

講座時間：2019-07-06 16:00:00

講座地點：北校區(qū)新科技樓1012

講座人：Zhang Junshan

講座人介紹：

Zhang Junshan，2000年從普渡大學(xué)ECE學(xué)院獲得博士學(xué)位。他于2000年8月加入亞利桑那州立大學(xué)ECEE學(xué)院，自2015年起擔(dān)任富爾頓教授。他的研究興趣為信息網(wǎng)絡(luò)和數(shù)據(jù)科學(xué)的一般領(lǐng)域，包括通信網(wǎng)絡(luò)，物聯(lián)網(wǎng)(loT)的機器學(xué)習(xí)，霧/邊緣計算，網(wǎng)絡(luò)物理系統(tǒng)的優(yōu)化/控制，智能電網(wǎng)。他是IEEE的研究員，并于2005年獲得ONR青年研究員獎。他于2003年獲得了 NSF CAREER獎。他在2016年獲得IEEE無線通信技術(shù)委員會表彰獎。他的論文獲得了一些獎項，包括2018年WiOPT最佳學(xué)生論文，ACM SIGMETRICS的Kenneth C. Sevcik杰出學(xué)生論文獎/ IFIP Performance 2016，IEEE INFOCOM 2009和IEEE INFOCOM 2014最佳論壇亞軍，以及IEEE ICC 2008和ICC 2017的最佳論文獎。他是TPC聯(lián)合主席，參加了幾個主要的通信網(wǎng)絡(luò)會議,包括IEEE INFOCOM 2012和ACM MOBIHOC 201。他是ACM/IEEE SEC 2017和WiOPT 2016的主席。

講座內(nèi)容：

過去幾年見證了物聯(lián)網(wǎng)(loT)設(shè)備的爆炸式增長。許多物聯(lián)網(wǎng)應(yīng)用，例如自動駕駛和虛擬現(xiàn)實，需要密集計算以實時方式完成對象跟蹤和智能決策。物聯(lián)網(wǎng)應(yīng)用的實時邊緣智能的必要性決定了決策制定就發(fā)生在網(wǎng)絡(luò)邊緣。因比，我們開發(fā)了一種基于分布式穩(wěn)健優(yōu)化(DRO)的邊緣計算框架，旨在實時地基于本地數(shù)據(jù)學(xué)習(xí)邊緣模型，同時利用云中訓(xùn)練的模型。具體地，從云到邊緣設(shè)備的知識轉(zhuǎn)移是參考模型及其相關(guān)的不確定性集的形式，并目邊緣設(shè)備進一步構(gòu)建以其局部經(jīng)驗分布為中心的不確定性集。然后將邊緣計算問題轉(zhuǎn)換為受兩個分布不確定性集影響的DRO問題，并且使用最優(yōu)傳輸理論開發(fā)解決方案。

主辦單位：通信工程學(xué)院