理工學(xué)院黃建偉教授團(tuán)隊(duì)在IEEE計(jì)算機(jī)通信國(guó)際會(huì)議INFOCOM發(fā)表四篇論文
? ? ? ? ?近日，香港中文大學(xué)（深圳）校長(zhǎng)講座教授、理工學(xué)院副院長(zhǎng)黃建偉教授團(tuán)隊(duì)的四篇論文被IEEE計(jì)算機(jī)通信國(guó)際會(huì)議INFOCOM 2021 (IEEE International Conference on Computer Communications) 收錄。
? ? ? ? ?經(jīng)過(guò)接近四個(gè)月嚴(yán)格的國(guó)際同行雙盲審，黃建偉教授的四篇論文從1266篇投稿中脫穎而出，最終被INFOCOM 2021會(huì)議收錄。四篇論文分別是《分布式編碼機(jī)器學(xué)習(xí)的激勵(lì)機(jī)制設(shè)計(jì)》《不可驗(yàn)證型眾包問(wèn)題中的策略性信息發(fā)布》《高成本效益的聯(lián)邦學(xué)習(xí)設(shè)計(jì)》《解決實(shí)時(shí)數(shù)據(jù)采集中的時(shí)變非對(duì)稱(chēng)信息》。
? ? ? ? ?INFOCOM (IEEE International Conference on Computer Communications) 是計(jì)算機(jī)網(wǎng)絡(luò)領(lǐng)域三大頂級(jí)國(guó)際會(huì)議之一，長(zhǎng)期以來(lái)被中國(guó)計(jì)算機(jī)學(xué)會(huì)(CCF)推薦為A類(lèi)國(guó)際學(xué)術(shù)會(huì)議。每年由IEEE主辦，在國(guó)際上享有盛譽(yù)并具有廣泛的學(xué)術(shù)影響力，是計(jì)算機(jī)網(wǎng)絡(luò)頂尖學(xué)者每年一度的盛宴。INFOCOM 2021會(huì)議最終錄用252篇論文，錄用率低于20%。
? ? ? ? ?黃建偉教授是深圳市人工智能與機(jī)器人研究院副院長(zhǎng)和群體智能研究中心主任。他在通信網(wǎng)絡(luò)領(lǐng)域的國(guó)際一流期刊和會(huì)議上發(fā)表論文290余篇, 谷歌學(xué)術(shù)總引用12800余次，H-Index為58。他與其合作者九次獲得國(guó)際會(huì)議和期刊的最佳論文獎(jiǎng)，包括2011年 IEEE 馬可尼無(wú)線(xiàn)通信論文獎(jiǎng)。
?
論文詳情
Incentive Mechanism Design for Distributed Coded Machine Learning
分布式編碼機(jī)器學(xué)習(xí)的激勵(lì)機(jī)制設(shè)計(jì)
■ 作者
丁寧寧
香港中文大學(xué)博士生
香港中文大學(xué)（深圳）和深圳市人工智能與機(jī)器人研究院訪(fǎng)問(wèn)博士生
房智軒
清華大學(xué)助理教授
段凌杰
新加坡科技設(shè)計(jì)大學(xué)副教授
黃建偉
通信作者，香港中文大學(xué)（深圳）校長(zhǎng)講座教授
■ 摘要
? ? ? ? ?分布式機(jī)器學(xué)習(xí)平臺(tái)需要多個(gè)工作節(jié)點(diǎn)來(lái)共同完成計(jì)算。然而，由于存在計(jì)算緩慢的工作節(jié)點(diǎn)，計(jì)算的整體性能可能會(huì)因此下降。通過(guò)在計(jì)算中引入冗余，編碼機(jī)器學(xué)習(xí)可以通過(guò)前k個(gè)完成計(jì)算的工作節(jié)點(diǎn)（共n個(gè)）恢復(fù)最終的計(jì)算結(jié)果，從而有效地縮短運(yùn)行時(shí)間?，F(xiàn)有研究主要集中在設(shè)計(jì)高效的編碼方案上，設(shè)計(jì)適當(dāng)?shù)募?lì)措施以鼓勵(lì)工人（工作節(jié)點(diǎn)）參與的問(wèn)題仍未得到充分的探索。
? ? ? ? ?本文研究了在工人有不同計(jì)算性能和成本且平臺(tái)對(duì)此只有不完全信息的情況下，平臺(tái)激勵(lì)工人參與編碼機(jī)器學(xué)習(xí)的最優(yōu)激勵(lì)機(jī)制。該工作的一個(gè)關(guān)鍵貢獻(xiàn)是將工人的多維異質(zhì)性總結(jié)為一個(gè)一維度量，指導(dǎo)平臺(tái)在不完全信息下能以線(xiàn)性計(jì)算復(fù)雜度有效地選擇工人。此外，我們證明了當(dāng)使用廣泛采用的MDS (Maximum Distance Separable)碼進(jìn)行數(shù)據(jù)編碼時(shí)，最優(yōu)恢復(fù)閾值（recovery threshold）k與參與工人數(shù)量n成線(xiàn)性比例。我們還發(fā)現(xiàn)，當(dāng)工人足夠多時(shí)，由于信息不完全而增加的平臺(tái)成本會(huì)消失，但并不是隨著工人人數(shù)的增加而單調(diào)遞減。
?
Strategic Information Revelation in Crowdsourcing Systems Without Verification
不可驗(yàn)證型眾包問(wèn)題中的策略性信息發(fā)布
■ 作者
黃超
香港中文大學(xué)博士生
香港中文大學(xué)（深圳）和深圳市人工智能與機(jī)器人研究院訪(fǎng)問(wèn)博士生
余皓然
北京理工大學(xué)副教授
黃建偉
通信作者，香港中文大學(xué)（深圳）校長(zhǎng)講座教授
Randall A. Berry
美國(guó)西北大學(xué)教授
■ 摘要
? ? ? ? ?我們的工作側(cè)重研究不可驗(yàn)證型的眾包問(wèn)題。具體而言，眾包平臺(tái)希望激勵(lì)眾包工人們提供高質(zhì)量和真實(shí)的解決方案，但同時(shí)也無(wú)法驗(yàn)證所收集到的解決方案。大多數(shù)先前的工作都假設(shè)平臺(tái)和工人擁有對(duì)稱(chēng)信息。而在這篇論文中，我們研究一個(gè)非對(duì)稱(chēng)的信息場(chǎng)景。具體來(lái)說(shuō)，平臺(tái)了解更多有關(guān)工人的平均準(zhǔn)確性（比如工人提供正確方案的概率）的信息，并可以策略性地向工人展示此信息。工人們將利用公布的信息來(lái)估計(jì)他們獲得眾包獎(jiǎng)勵(lì)的機(jī)率。
? ? ? ? ?我們研究?jī)煞N類(lèi)型的工人：（1）完全信任平臺(tái)發(fā)布信息的天真型工人，（2）根據(jù)發(fā)布信息調(diào)整想法的策略型工人。對(duì)于天真型工人，我們發(fā)現(xiàn)眾包平臺(tái)應(yīng)始終宣布較高的工人平均準(zhǔn)確性，從而最大化平臺(tái)收益。但是，這并不總是適合策略型工人，因?yàn)檫@可能會(huì)降低平臺(tái)發(fā)布信息的可信度從而減少平臺(tái)的收益。有趣的是，對(duì)策略型工人而言，當(dāng)工人的平均準(zhǔn)確性較高時(shí)，平臺(tái)甚至有可能宣布一個(gè)比較低的值來(lái)最大化收益。
?
Cost-Effective Federated Learning Design
高成本效益的聯(lián)邦學(xué)習(xí)設(shè)計(jì)
■ 作者
羅冰
深圳市人工智能與機(jī)器人研究院和耶魯大學(xué)國(guó)際聯(lián)合博士后
李想
香港中文大學(xué)（深圳）博士生
Shiqiang Wang
IBM T. J. Watson研究院研究員
黃建偉
通信作者，香港中文大學(xué)（深圳）校長(zhǎng)講座教授
Leandros Tassiulas
耶魯大學(xué)教授
■ 摘要
? ? ? ? ?聯(lián)邦學(xué)習(xí)作為新一代分布式人工智能協(xié)同算法，能夠在保證參與方數(shù)據(jù)隱私的前提下，有效提高全局模型的訓(xùn)練效率。然而，由于聯(lián)邦學(xué)習(xí)在訓(xùn)練過(guò)程涉及大量的用戶(hù)參與和多輪往復(fù)迭代，其性能往往受限于一些低時(shí)延或低能耗的應(yīng)用場(chǎng)景。
? ? ? ? ?本文針對(duì)參與方的系統(tǒng)資源異構(gòu)性（計(jì)算和通信能力）和數(shù)據(jù)統(tǒng)計(jì)異構(gòu)性（數(shù)據(jù)量和數(shù)據(jù)分布），研究并設(shè)計(jì)了一種自適應(yīng)優(yōu)化參與方采樣率和本地迭代次數(shù)的多目標(biāo)優(yōu)化模型，在確保全局模型收斂的前提下，有效降低不同場(chǎng)景下的聯(lián)邦學(xué)習(xí)的總時(shí)間和能耗開(kāi)銷(xiāo)，所得到的理論結(jié)果在自主搭建的異構(gòu)聯(lián)邦學(xué)習(xí)測(cè)試平臺(tái)中得到了有效的驗(yàn)證。
?
Taming Time-Varying Information Asymmetry in Fresh Status Acquisition
解決實(shí)時(shí)數(shù)據(jù)采集中的時(shí)變非對(duì)稱(chēng)信息
■ 作者
王志遠(yuǎn)（香港中文大學(xué)博士后研究員）
高林（哈爾濱工業(yè)大學(xué)深圳副教授）
黃建偉 （通信作者）
■ 摘要
? ? ? ? ?越來(lái)越多的在線(xiàn)平臺(tái)(Platform)通過(guò)不斷獲取不同興趣點(diǎn)(Points of interest, PoIs)的狀態(tài)，來(lái)為用戶(hù)提供有價(jià)值的實(shí)時(shí)內(nèi)容(e.g.交通擁堵)。在這一問(wèn)題中，PoI往往具有利己主義和隨時(shí)間變化的偏好，這使得各個(gè)PoI與Platform之間的狀態(tài)采集頻率難以?xún)?yōu)化。本文考慮一個(gè)多階段的實(shí)時(shí)狀態(tài)采集問(wèn)題，旨在最大化Social Welfare的同時(shí)保證各個(gè)Platform的信息新鮮度,其中新鮮度是由信息的年齡（Age of Information, AoI）來(lái)衡量。
? ? ? ? ?本文設(shè)計(jì)了一個(gè)基于拍賣(mài)的多階段分解機(jī)制用來(lái)解決時(shí)變的不對(duì)稱(chēng)信息?；趯?shí)際數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明，當(dāng)平臺(tái)更加關(guān)注收益最大化時(shí)，從長(zhǎng)期來(lái)看每個(gè)PoI仍然可以獲得非負(fù)收益。
?
教授簡(jiǎn)介
?
黃建偉教授
校長(zhǎng)講座教授
理工學(xué)院副院長(zhǎng)
? ? ? ? ?黃建偉教授是香港中文大學(xué)（深圳）校長(zhǎng)講座教授、理工學(xué)院副院長(zhǎng)，他還是深圳市人工智能與機(jī)器人研究院副院長(zhǎng)和群體智能研究中心主任。他是 IEEE Fellow，IEEE 通信學(xué)會(huì)杰出講師，科睿唯安計(jì)算機(jī)科學(xué)領(lǐng)域全球高被引科學(xué)家，IEEE Open Journal of the Communications Society 副主編 (Associate Editor-in-Chief) 。他于2005年獲得美國(guó)西北大學(xué)博士學(xué)位。2005年至2007年，他于美國(guó)普林斯頓大學(xué)從事博士后研究，2007年至2018年，他擔(dān)任香港中文大學(xué)信息工程系助理教授/副教授/正教授。
? ? ? ?黃建偉教授曾任多個(gè)通信網(wǎng)絡(luò)領(lǐng)域JCR Q1 一流國(guó)際期刊的編委，包括 IEEE JSAC/TMC/ToN/TWC/TCCN/TNSE。他歷任IEEE 通信學(xué)會(huì)認(rèn)知網(wǎng)絡(luò)專(zhuān)委會(huì)主席和多媒體通信專(zhuān)委員會(huì)主席。他曾獲得2015年 IEEE 通信學(xué)會(huì)多媒體通信專(zhuān)委員會(huì)杰出服務(wù)獎(jiǎng)和2010年IEEE GLBOECOM 卓越服務(wù)獎(jiǎng)。
? ? ? ? 黃建偉教授將于2021年1月出任IEEE Transactions on Network Science and Engineering 新一任主編。
