时间：2022年12月15日（星期四）上午9:00-11:00
腾讯会议：545-373-779
邀请人：李先能教授
刘冠男
北京航空航天大学经济管理学院副教授
报告摘要：
联邦学习作为一种新兴的多方安全计算框架，无需访问数据提供者的原始数据即可实现多方模型的协同训练。然而，其主要挑战是如何激励拥有大量数据的客户端在其本地数据集上进行模型训练并参与到联邦学习中。本研究在联邦学习框架下设计了多种激励方案，分析研究了道德风险与数据互补程度之间的相互作用如何影响平台对激励方案的最优选择以及参与算法训练的参与者数量。通过理论和实验分析证明了不同激励方案在不同数据互补程度下的作用。
个人简介：
刘冠男，北京航空航天大学经济管理学院副教授、博士生导师。北航数据智能研究中心副主任，研究方向为数据挖掘与商务智能，人工智能与智慧管理。研究成果主要发表于数据挖掘领域的顶级期刊IEEE TKDE，ACM TKDD，以及国际数据挖掘领域顶级会议 KDD、ICDM等，同时担任 KDD， AAAI等顶级会议的程序委员。主持及参与国家自然科学基金项目3项，同时主持了“国家信息安全计划”项目4项，带领团队研发的基于人工智能的电信反诈骗系统落地实施。2019 年入选北航青年拔尖人才计划，2022年入选百度AI华人青年学者榜单（AI+管理交叉方向）。
上一条：如何选择专利作为贷款抵押品？
下一条：旅游研究中的实验设计
【关闭】
