5月15日，香港中文大学（深圳）的张纵辉副教授（IEEE Fellow）应邀做客教师发展中心“名师讲堂”活动，开展“z-SignFedAvg: A Unified Stochastic Sign-based Compression for Federated Learning”专题讲座。本次名师讲堂由教师发展中心主办，信息与通信工程学院承办，信息与通信工程学院林静然教授主持。

 张纵辉副教授专注于面向无线通信、机器学习的关键信号处理和优化方法的基础研究，已发表IEEE国际顶级期刊/会议论文160余篇。2015年获IEEE通信学会亚太区杰出青年学者奖；2018年和2021年两次获得IEEE信号处理学会（SPS）最佳论文奖；获得香港中文大学（深圳）理工学院首届卓越科研奖。近年来主持和参与包括国家自然科学基金重点项目、面上项目、广东省重点项目、深圳市杰出青年项目以及华为、中兴等企业的横向项目 10 余项。其中“分布式基带架构的新型信道估计算法”获得华为2022年技术成果转化二等奖。

 讲座开始，张纵辉副教授首先给同学们介绍了联邦学习的基础概念，然后从联邦学习中Client端和Sever端频繁交互带来通信代价高的问题说起，进一步介绍了一种基于具有一般对称噪声分布的噪声扰动，用于联合学习的统一随机符号压缩方案。并从算法收敛速度、通信代价、实现结果等多方面讲解了和现有多种算法优势。

 参会师生与张纵辉副教授围绕联邦学习的随机符号压缩方案等展开了热烈讨论。部分参会研究生表示，本次讲座内涵丰富，加深了其对基础科研研究的兴趣。最后，大家合影留念。