由广东省学位委员会办公室主办、东莞理工学院承办、东莞理工学院计算机科学与技术学院 研究生处组织的2022年广东省研究生学术论坛-计算机前沿技术研究论坛，于11月24日晚上成功举办了“人工智能技术及应用”分论坛！
本次人工智能技术及应用分论坛很荣幸地邀请到了三峡大学计算机与信息学院教授周欢（湖北青年拔尖人才、湖北省“楚天学者”、大数据研究中心常务副主任）、澳门大学物联网与智慧城市国家重点实验室以及计算机与信息科学系副教授吴远（IEEE高级会员、IEEE通信分会Macau Chapter副主席）作精彩报告，计算机科学与技术学院副院长陶铭主持会议。受疫情影响，本次分论坛采用线上会议的形势开展，两场报告与会师生总数超200人。
吴远教授率先做了“Energy-Efficient Federated Learning: A Wireless Power Transfer Approach”的主题报告，介绍了在无线网络中实现高效分布式机器学习与模型训练的最新研究进展。他详细阐述了基于无限传能辅助的联邦学习优化设计方案，讨论了无限传能机制联邦学习中多种应用形式，并从无限传能策略、多用户训练模型数据传输资源调度、以及联邦学习全局-本地训练模式的联合优化角度出发进行方案设计。报告最后，吴教授指出：联邦学习作为一种典型的分布式学习框架具备保护用户数据隐私同时实现分布式模型训练的优势，但无线网络中较为有限传输带宽和能量资源是制约联邦学习性能关键要素，利用无限传能这一灵活的能量供给模式能够有效提升联邦学习的自持续性能。
周欢教授随后做了“云-边-端网络计算卸载和内容缓存研究”的主题报告，重点围绕“动态多用户系统中计算卸载和资源分配的联合优化”和“云-边-端网络中多层级边缘缓存体系结构下的分布式协同缓存”两个问题展开介绍。他细致阐述了移动边缘计算作为云计算模型的补充和扩展，通过将存储、通信、计算、控制和管理等网络功能从集中式云扩展到网络边缘，是如何有效解决了云计算中长传输距离所导致的高时延和不可靠性。周教授同时指出，在边缘服务器资源仍然十分有限的情况下，如何合理分配云-边-端网络中计算、存储及通信等资源来处理海量边缘数据，实现任务及数据的动态部署是云-边-端网络未来发展面临的重大挑战。
两位嘉宾均在报告末尾对其研究领域做了总结与展望，并就师生线上互动时提出的问题做了耐心细致的解答。陶铭副院长对此次活动进行了总结，再次对报告嘉宾深入浅出的精彩报告、对积极参与论坛的师生们表达了由衷的感谢。
此期人工智能技术及应用分论坛内容丰富，开阔了校内外相关专业师生的学术视野，提高了对人工智能前沿技术的研究兴趣，与会人员纷纷表示收获颇丰。
（撰稿：王若羽，一审：陶铭，复审：刘紫薇，终审：桂龙）
