大连市智慧渔业重点实验室周弈志博士在联邦长尾学习领域取得新进展

大连市智慧渔业重点实验室周弈志博士在联邦长尾学习领域取得新进展

近日，大连市智慧渔业重点实验室周弈志博士在联邦长尾学习领域取得重要突破，相关研究成以‘Rethinking Sparse Supervision on Federated Long-Tailed Learning’为题，被人工智能领域国际知名期刊《Knowledge-Based Systems》（中科院一区，TOP期刊，IF=7.6）接收。

针对智慧渔业多节点协同感知中普遍存在的养殖数据异质性、渔获类别分布长尾化、水下样本类别缺失与稀疏监督等行业痛点，研究提出轻量化联邦长尾学习框架（MMC-FL）。通过客户端合成单纯形等角紧框架增强的行梯度掩码模块（SE-RGM）与服务器端相似度感知分类器协作机制（SCC）协同优化，有效破解渔业跨设备、跨海域数据协同建模中的类别缺失难题。

此项研究为联邦学习在真实渔业长尾数据场景落地提供全新解决方案，突破类别缺失导致的智能识别性能瓶颈，可为智慧渔业水下目标识别、渔情监测、病害预警、深远海养殖协同管控等场景提供稳健协同学习支撑，同时赋能个性化医疗、边缘物联网等非均匀数据分布领域，兼具渔业产业价值与广泛技术推广意义。

提出的MMC-FL框架概述

周弈志博士是实验室2025年引进的优秀博士，进入实验室之后迅速融入团队并快速产出高质量成果，此次成果被人工智能领域国际知名期刊《Knowledge-Based Systems》接收体现了周弈志博士扎实的科研基础和突出的科研能力，同时也体现了大连市智慧渔业重点实验室在人才引进和青年教师培养方面取得的成效。未来，实验室将进一步完善人才发展机制，加大高水平人才引育力度，建立良好的人才成长生态，为我国智慧渔业领域的科技创新与产业高质量发展提供坚实的创新支撑与人才保障。