应我院邀请，2025年4月10日下午，暨南大学温金明教授在在砺志楼304教室成功举办了题为“Optimal Client Selection of Federated Learning Based on Compressed Sensing”的学术报告会。相关师生聆听了此次报告，报告由吴晓锋老师主持。

温教授的报告围绕联邦学习展开，他首先介绍了联邦学习作为一种允许多个个人或团体在不交换数据的前提下共同实现机器学习建模的技术，凭借其私有数据不出本地的特性，得到了广泛应用。温教授详细阐述了如何将最优客户端选择问题转化为稀疏优化问题，以提出一种新的安全聚合协议，然后介绍了客户端重复贡献解决方案、无额外通信的客户端采样策略和掉队者惩罚策略三个辅助组件的设计，最后介绍了一种安全高效的联邦学习方案的构建，旨在有效应对上述核心挑战。报告结束后，与会师生就相关研究问题与温教授进行了热烈讨论，进一步加深了对联邦学习这一前沿领域问题的理解。本次报告会的成功举办，为我校师生提供了一个与学术界知名专家交流的平台，拓宽了师生的学术视野，激发了学术研究的热情。

温金明，国家青年人才、广东省青年珠江学者，2015年2月博士毕业于加拿大麦吉尔大学，2015年3月至2018年8月先后在法国里昂并行计算实验室、加拿大阿尔伯塔大学、加拿大多伦多大学从事博士后研究工作。现任中国数学会理事、广东省计算数学学会常务理事、广东省运筹学会常务理事、IEEE Trans. Audio Speech Lang. Process.、Alex. Eng. J.、《人工智能科学与工程》等期刊编辑。近年来主持国家自然科学基金3项、省级项目4项，以第一作者/通讯作者在IEEE Trans. Inf. Theory、IEEE Trans. Signal Process.、IEEE/ACM Trans. Audio Speech Lang. Process.、ACM Trans. Asian Low-Resour. Lang. Inf. Process、SIAM J. Imaging Sci.、Inverse Probl.、Appl. Comput. Harmon. Anal.等期刊发表60余篇学术论文，以第一发明人授权中国发明专利13件。