新财经综合实验室占求港老师论文在IEEE TNNLS发表

近日，西南财经大学新财经综合实验室最新的研究成果“SFedCA: Credit Assignment-Based Active Client Selection Strategy for Spiking Federated Learning”被神经网络和学习系统领域顶级期刊IEEE Transactions on Neural Networks and Learning Systems (TNNLS) 接收。论文作者包括：占求港博士（实验室老师）、曹锦波（毕业硕士生）、解修蕊研究员（电子科技大学，通讯作者）、唐华锦教授（IEEE Fellow，浙江大学）、张马路教授（电子科技大学）、杨山田博士（实验室老师）、刘贵松教授（通讯作者）。

论文：SFedCA: Credit Assignment-Based Active Client Selection Strategy for Spiking Federated Learning

图1 IEEE-TNNLS - 论文页面

脉冲联邦学习（Spiking Federated Learning）作为一种新兴的分布式学习范式，利用联邦学习中的隐私计算特性以及脉冲神经网络（Spiking Neural Network）的能源效率优势，使资源受限的设备能够在低功耗的情况下协同训练。而现有脉冲联邦学习方法普遍假定客户端无偏参与，随机选择客户端聚合，极大影响了全局模型收敛性和精度。本工作提出了一种基于信用分配的主动客户端选择策略SFedCA用于脉冲联邦学习，挑选对全局样本分布平衡有贡献的客户端进行聚合。客户端的信用根据本地模型训练前后的神经元点火强度状态进行分配，这反映了本地数据分布与全局模型学习的历史分布之间的差异。在各种非独立同分布下的实验结果表明，SFedCA策略相比现有的脉冲联邦学习方法，具有更高的准确率、更快的收敛速度以及更稳定的性能表现。

图2 SFedCA策略示意图。服务器从候选客户端中选择点火率变化较大的客户端，并聚合得到新的全局模型。

IEEE Transactions on Neural Networks and Learning Systems前身是IEEE Transactions on Neural Networks，由 IEEE于1990年创办，目前拥有全球150多位编委。TNNLS最新的影响因子为为8.9，5年平均影响因子为11.1，期刊录用率低于18%。该期刊属人工智能、机器学习、计算机科学的交叉学科领域，主要刊发神经网络和学习系统相关的最新研究成果，是IEEE计算智能学会的旗舰刊物，神经网络和学习系统方面的国际顶级期刊。

新财经综合实验室由西南财经大学和中国农业银行2021年联合成立，刘贵松教授担任实验室主任。实验室聚焦可信人工智能基础理论、财经科技及数字经济深度融合等领域开展有组织科研和人才培养，近三年实验室持续在多个顶会和顶刊发表最新科研成果，包括IEEE TPAMI、IEEE TIP、IEEE TKDE、IJCV、CVPR、NeurIPS、ICDE、AAAI等。团队现有教师16人、本硕博学生和博士后近80人。