时间：2021年11月30日下午4:00
腾讯会议ID：564-935-909
报告题目：Multi-objective evolutionary federated neural architecture search
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.
金耀初教授简介：
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 （Dr.-Ing.）。
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”、澳大利亚悉尼科技大学“杰出访问学者”。欧洲科学院院士、IEEE Fellow。
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，获美国、欧盟和日本专利9项。据Google Scholar,其论文被引用总次数28,000余次，h-index 81，入选Web of Science 2019-2021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。
