研究进展 ·
郑煜辰教师团队在机器学习顶级会议NeurIPS发表论文
近日，我校信息科学与技术学院（网络空间安全学院）郑煜辰教师团队在联邦脉冲神经网络研究中取得新进展，研究结果以“Decoupling Label Shift and Surrogate Gradient Errors for Robust Federated Spiking Neural Networks”（为鲁棒联邦脉冲神经网络解耦标签偏移和替代梯度误差）文章被接收于第四十届神经信息处理系统年会（The Fortieth Annual Conference on Neural Information Processing Systems, NeurIPS 2026）。
该研究面向边缘智能中的联邦脉冲神经网络，研究非独立同分布数据下的训练鲁棒性，提出 ST-SAT 框架从神经元自适应与客户端—服务器知识对齐两个层面，缓解上述误差耦合。该论文设计两项关键机制，通过 ST-PLIF 神经元自适应调整发放阈值、膜电位与衰减动态，通过双尺度知识蒸馏，结合预测层知识迁移与神经元统计特征对齐，减少类别偏差和客户端知识差异。在三个基准数据集上，同时改善全局模型与客户端本地模型性能，在严重标签偏移条件下表现尤为突出。
神经信息处理系统年会（NeurIPS）被列为人工智能与机器学习领域公认的最顶级国际学术会议之一,是中国计算机学会推荐的A类国际学术会议（CCF A）。会议长期汇聚全球顶尖高校和科研机构在机器学习理论、神经网络、大语言模型、强化学习等方向的前沿成果，论文评审极严格，学术影响极高。
信息科学与技术学院（网络空间安全学院）硕士研究生陈邹权、杨意飞为以上论文的共同第一作者，郑煜辰和房志铭老师为上述论文的通讯作者。