11月22日下午，我院在人文社科楼D201阶梯教室举办主题为“联邦学习及其在大模型时代的关键技术与应用”的学术讲座。本次讲座由河南大学软件学院翟锐博士主讲。
讲座中，翟锐详细介绍了联邦学习的基本概念和原理。他指出，随着大数据时代的到来，数据隐私和安全成为了亟待解决的问题，而联邦学习作为一种分布式机器学习框架，能够在不共享原始数据的前提下实现模型的训练和更新，有效保护了用户数据的隐私。随后，翟锐重点探讨了联邦学习在大模型时代的关键技术与应用。他提到，大型预训练模型在自然语言处理、计算机视觉等领域取得了显著的成果，但如何高效地训练这些模型、如何保护数据隐私、如何提升模型的泛化能力等，仍是当前研究的热点和难点。联邦学习凭借其独特的优势，为解决这些问题提供了新的思路和方法。翟锐还分享了他在联邦学习领域的最新研究成果和实践经验。他强调，联邦学习虽然具有巨大的潜力，但也面临着诸多挑战，如通信开销、模型更新、数据异构性等。因此，未来的研究需要更加深入地探索这些问题的解决方案，推动联邦学习技术的进一步发展。
讲座结束后，与会师生纷纷表示受益匪浅。他们不仅深入了解了联邦学习的基本原理和关键技术，还对其在大模型时代的应用前景有了更加清晰的认识。同时，翟锐严谨的学术态度和深入浅出的讲解方式也赢得了大家的广泛赞誉。
专家介绍：翟锐，博士学历，硕士研究生导师，现任河南大学软件学院讲师及软件工程系副主任。主要研究方向为计算机视觉、基于大模型的医学图像处理、联邦学习、图神经网络。主持或参与国家重点研发计划、国家自然科学基金、河南省科技研发计划联合基金重点项目、河南省重点研发与推广专项、开封市科技发展计划项目等课题。在国内外权威期刊和会议发表学术论文20余篇，参与申请10 多项相关发明专利，2012年获中国电子学会电子信息科学技术二等奖，2017年获中国科学院（京区）成果转化奖。
