报告题目：联邦多任务贝叶斯优化

报告人：王曦璐 萨里大学讲师、博士生导师

报告时间：2025年06月27日 下午3:30—4:30（GMT+08:00）

报告地点：电气楼308腾讯会议：162-948-812

报告对象：感兴趣的教师、研究生等

主办单位：电力电子与运动控制安徽省高等学校省级重点实验室、安徽省工业企业智能化产业共性技术研究中心、电气与信息工程学院

报告人简介：

王曦璐，萨里大学计算机科学与电子工程学院讲师、博士生导师、萨里未来研究员。主要研究方向是公平、隐私保护和可信赖的机器学习、数据驱动优化理论和算法的开发及其应用，已发表国际期刊和会议论文28篇；主持重点科研项目包括萨里大学顶尖人才计划项目、本田欧洲研究所校企合作项目《异步多目标优化算法研究》、英国皇家学会国际交流项目《多源侧信息融合辅助的贝叶斯优化》、萨里-阿德莱德合作项目以及欧洲玛丽居里人才交流项目等。现任IEEE CIS SHIELD 成员，IEEE CIS进化计算技术委员会(ECTC)下“数据驱动昂贵问题进化优化”任务组副主席以及IEEE CIS 智能系统应用技术委员会 (ISATC)下“物联网网络安全智能系统”任务组副主席。

内容简介：数据驱动优化是一种有效的代理辅助方法，广泛应用于昂贵黑箱优化问题求解。传统数据驱动优化主要针对集中式环境设计，但随着多机构协作需求的增长和分布式数据的普及，联邦数据驱动优化逐渐受到关注。然而，现有联邦优化方法存在显著局限性：要么假设所有客户端解决相同的优化任务，要么仅支持单一客户端从其他参与方获取知识。当面对非独立同分布(non-IID)数据时，传统的模型聚合策略会因客户端漂移而失效，严重影响优化性能。针对联邦环境下的多任务数据驱动优化问题，聚焦non-IID数据带来的挑战，提出了一种基于径向基函数网络的联邦优化框架，通过集成模型蒸馏和个性化采样策略，在保护数据隐私的前提下实现多个相关但不同优化任务的协同优化。

欢迎全校师生踊跃参加！