张浩科研成果

基本信息 学术 教育 研究领域 新建主栏目 动态信息 名称 张浩，工学博士，哈工大计算学部&人工智能研究院副研究员，博导。属于计算学部泛在计算与智能系统研究中心。分别在2009年和2014年于中国科学技术大学获得学士和博士学位，并在南洋理工大学访学半年。现为“智慧农场技术与系统”全国重点实验室核心骨干成员，中国计算机学会（CCF）物联网专委会执行委员，中国计算机学会（CCF）数字农业专委会执行委员，ICME Aear Chair(meta reviwer), IEA/AIE 2023 PC成员，全国信标委物联网分技术委员会专家。2020年加入哈尔滨工业大学计算学部，主要研究方向包括联邦学习、人工智能应用（气象、农业）、分布式学习等，近年在TGRS，TMM，IoT Journal，ACL、ICPP、EMNLP等期刊和会议发表论文20余篇，出版英文专著1部，发明专利8项。主持和参与国家自然科学基金青年项目，国家重点研发计划，黑龙江省科技计划、黑龙江省头雁团队项目等多个国家级和省部级项目。 每年招收博士研究生1~2名，硕士研究生2~3名，欢迎同学交流咨询（通信方式见邮箱），希望你具有较强的进取心和求知欲，以及良好的道德品德和自律能力，在未来的几年里一起学习进步。同时，泛在计算与智能系统研究中心（Research Center of Ubiquitous Computing and Intelligent Systems）正在茁壮成长，也欢迎加入本中心大家庭。 教育经历 标题 起讫时间 2009~2014 所学专业 学习机构 中国科学技术大学 学历 博士 简单介绍 标题 起讫时间 2005~2009 所学专业 学习机构 中国科学技术大学 学历 学士 简单介绍 工作经历 标题 工作单位 哈尔滨工业大学 职位/职称 博士生导师 起讫时间 2023.06 简单介绍 标题 工作单位 哈尔滨工业大学 职位/职称 硕士生导师 起讫时间 2023.04 简单介绍 标题 工作单位 哈尔滨工业大学 职位/职称 准聘副研究员 起讫时间 2020.07至今 简单介绍 任职于计算学部的泛在计算与智能系统研究中心 标题 工作单位 华为南京研究所 职位/职称 高级工程师 起讫时间 2017~2020 简单介绍 标题 工作单位 中国电子科技集团公司第二十八研究所 职位/职称 工程师 起讫时间 2014~2017 简单介绍 论文 名称 期刊论文： Siyao Cheng, Tian Ren, Hao Zhang, Jiayan Huang, Jie Liu. A Stackelberg Game Based Framework for Edge Pricing and Resource Allocation in Mobile Edge Computing. IEEE Internet of Things Journal. 2024. [paper] Zhifeng Ma, Hao Zhang, Jie Liu. DB-RNN: A RNN for Precipitation Nowcasting Deblurring. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2024, 17, 5026 - 5041. [paper]. Hao Zhang, TingtingWu, Siyao Cheng, Jie Liu. CC-FedAvg: Computationally Customized Federated Averaging[J]. IEEE Internet of Things Journal, 2024, 11(3): 4826-4841. [paper] [code]（SCI一区） Hao Zhang, Qingying HouTingtingWu, Siyao Cheng, Jie Liu. Data Augmentation Based Federated Learning[J]. IEEE Internet of Things Journal, 2023, 10(24): 22530-22541. [paper].（SCI一区） Zhifeng Ma, Hao Zhang, Jie Liu. MS-LSTM: Exploring Spatiotemporal Multiscale Representations in Video Prediction Domain[J]. Applied Soft Computing. 2023. [paper] （SCI一区） Yinlong Li, Siyao Cheng, Hao Zhang, Jie Liu. Dynamic adaptive workload offloading strategy in mobile edge computing networks[J]. Computer Networks, 2023. [paper] （CCF-B） Tingting Wu, Xiao Ding, Hao Zhang, Jinglong Gao, Minji Tang, Li Du, Bing Qin, Ting Liu. DiscrimLoss: A Universal Loss for Hard Samples and Incorrect Samples Discrimination[J]. IEEE Transactions on Multimedia, 2023. [paper] （SCI一区） Hao Zhang, Tingting Wu, Zhifeng Ma, Feng Li, Jie Liu. Dynamic layer-wise sparsification for distributed deep learning[J]. Future Generation Computer Systems, 2023, 147:1-15. [paper]（SCI二区） Zhifeng Ma, Hao Zhang, Jie Liu. MM-RNN: A Multimodal RNN for Precipitation Nowcasting[J]. IEEE Transactions on Geoscience and Remote Sensing. 2023, 61: 1-14. [paper] （SCI一区，CCF-B） 马志峰，张浩，刘劼. 基于深度学习的端临降水预报综述[J]. 计算机工程与科学. 2023, 45(10): 1731-1753.[paper] (CCF T2推荐中文期刊) Hao Zhang, TingtingWu, Siyao Cheng, Jie Liu. FedCos: A Scene-adaptive Enhancement for Federated Learning[J]. IEEE Internet of Things Journal, 2023, 10(5): 4545 - 4556. [paper][code]（SCI一区） Zhifeng Ma, Hao Zhang, Jie Liu. MS-RNN: A flexible multi-scale framework for spatiotemporal predictive learning. Arxiv, 2022. [paper] Zhifeng Ma, Hao Zhang, Jie Liu. PrecipLSTM: A Meteorological Spatiotemporal LSTM for Precipitation Nowcasting[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 1-8. [paper] （SCI一区，CCF-B） Zhifeng Ma, Hao Zhang*, Jie Liu. Focal Frame Loss: A Simple but Effective Loss for Precipitation Nowcasting[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2022, 15: 6781-6788. [paper]（JCR一区） Hao Zhang, Nenghai Yu, Yonggang Wen. Mobile cloud computing based privacy protection in location‐based information survey applications[J]. Security and Communication Networks, 2015, 8(6): 1006-1025. Hao Zhang, Nenghai Yu, Yonggang Wen, Weiming Zhang. Towards optimal noise distribution for privacy preserving in data aggregation[J]. Computers & security, 2014, 45: 210-230. [paper]（CCF-B） Hao Zhang, Nenghai Yu, Honggang Hu. The optimal noise distribution for privacy preserving in mobile aggregation applications[J]. International Journal of Distributed Sensor Networks, 2014, 10(2): 678098. 会议论文： Tingting Wu, Xiao Ding, Minji Tang, Hao Zhang, Bing Qin, Ting Liu. NoisywikiHow: A Benchmark for Learning with Real-world Noisy Labels in Natural Language Processing[C]//Findings of the Association for Computational Linguistics: ACL 2023. [paper][dataset][code] Bolong Liu,Hao Zhang, Jie Liu, and Qiang Wang. ACIGS: An automated large-scale crops image generation system based on large visual language multi-modal models[C]//Workshop on Sensing, Communication and Networking for Smart Agriculture (AgriSECON 2023). 2023: 7-13. [paper] Hao Zhang, Tingting Wu, Siyao Cheng, Jie Liu. Aperiodic Local SGD: Beyond Local SGD[C]//Proceedings of the 51st International Conference on Parallel Processing. 2022: 1-10.[paper] （CCF-B） Tingting Wu, Xiao Ding, Minji Tang, Hao Zhang, Bing Qin, Ting Liu. STGN: an Implicit Regularization Method for Learning with Noisy Labels in Natural Language Processing[C]//Proceedings of the 2022 Conference on Empirical Methods in Natural Language Processing. 2022: 7587-7598. [paper] （CCF-B） Zhifeng Ma, Shuaibo Li, Hao Zhang, Jie Liu. Hierarchical convolutional recurrent neural network for Chinese text classification[C]//Second International Conference on Sensors and Information Technology (ICSI 2022). SPIE, 2022, 12248: 213-219. Hao Zhang, Yonggang Wen, Nenghai Yu, Xinwen Zhang. Privacy-preserving computation for location-based information survey via mobile cloud computing[C]//2013 IEEE/CIC International Conference on Communications in China (ICCC). IEEE, 2013: 100-105. 专著： Hao Zhang , Yonggang Wen, Haiyong Xie, Nenghai Yu. Distributed hash table: Theory, platforms and applications. Springer. 2013. [link] 公共服务 名称 ICME 2021, 2022, 2024任Aera Chair (meta reviewer) IEA/AIE 2023 PC成员 全国信标委物联网分技术委员会专家 CCF物联网专委会执行委员 CCF数字农业分委会执行委员 IEEE Internet of Things Journal，IEEE Transactions on Industrial Informatics等期刊审稿人 项目 名称 国家自然科学基金青年科学基金项目“基于神经网络优化和结合气象机理的短临降水预测方法研究”，主持 科技创新-2030重大项目“群体智能自主作业智慧农场”，参与 黑龙江省解绑挂帅科技攻关项目“智慧农场决策平台智慧大脑关键技术研究及应用“，参与 讲授课程 名称 本科生课程： 大三《数据库系统》: 2023年春至今 大二《程序设计实践（物联网专业）》: 2022年秋至今 研究内容 名称 主要围绕人工智能展开两方面研究： 1）向上：提出和改进人工智能技术，解决实际行业中的问题； 2）向下：设计和优化人工智能训练和推理结构。 人工智能应用 基于深度学习的气象预测（主要技术：spatio-temporal prediction, super-resolution, multimodality） 气象预测具有巨大的社会价值，作为一种基础应用可以指导各行各业的生产生活（如农业，交通，物流等）。精准的气象预测是该领域的主要目标。然而，传统的数值计算方法的发展已经到达一定的瓶颈。近年来，随着人工智能技术的发展和丰富的气象数据储备，为人工智能方法解决气象预测问题提供了良好的机遇，受到了国家的高度重视和众多机构的关注。我们通过将人工智能方法引入气象领域，从计算机科学的角度重新思考气象预测问题，通过对高时空分辨率的短临，短期天气预测进行深入研究，克服传统天气预测面临的困难。 智慧农业 农机调度规划（主要技术：reinforcement learning, combination optimization） 大面积农田作业（如耕地，除草，喷药等）需要使用多台农机共同执行。同时，由于成本、农机特点等因素决定了协同农机是异构的（大农机，小农机，无人机等），为此需要根据不同农机的特点进行作业路径规划。系统运行时，根据环境信息和控制指令的变化执行相应的行为方式，以实现在油耗、能耗、网络环境和自然环境受限的情况下，异构农业机器人群体智能的高效协作。 todo 模型训练 联邦学习（分布式深度学习训练） 传统的AI训练通常需要将数据集中进行训练，然而由于“数据孤岛”带来的隐私问题，以及物联网的发展带来的数据弥散问题，使得联邦学习这种分布式训练方式成为了一种新的训练范式，受到目前学术界和工业界的广泛关注。然而，联邦学习仍然存在诸多挑战，包括数据异质性问题带来的性能降低，大的通信开销，公平性问题，设备异质性问题，安全性问题等等。我们通过对联邦学习的深入研究，从性能、公平性、开销等多方面考虑，旨在提升联邦学习的应用潜力，实现真正的分布式“即插即用”联邦学习。