报告题目：基于机器学习中的联邦学习的供应链风险管理
报告时间：2024年9月11 日15：00-16：00
报告地点：机械馆J3
报告人：郑鸽
报告简介：供应风险管理目前是一个很热门的话题，尤其是疫情期间，包括demand shortage, delivery delays, low quality products, 等等。即使目前疫情已经过去，但是它对人们生活的影响依然存在，尤其对供应链的影响。随着科技的进步，大数据的到来，供应链风险管理也开始慢慢的数字化。但是目前很多公司对于自己供应链的风险管理都是依赖于自己的历史数据。另一方面，很多学者表明，信息共享可以为公司提供更为有用的信息去优化自己的供应链。但是数据的隐私和安全性让公司对于信息的共享望而却步，除此之外还有竞争关系的存在。这些使得供应链信息的共享变得很困难。而联邦学习可以实现信息的共享但是并不需要共享原始数据。基于联邦学习的这种优势，我们开发了基于联邦学习的自适应供应链风险预测系统。该系统可以帮助供应链成员决定与谁共享，以及何时共享，是一种隐私保护的网络形成和聚类算法，使供应链成员能够决定何时进入集体信息共享网络，以及如何组建自己的信息共享团队。我们使用来自电商平台的真实数据集来测试该系统，测试结果表明，供应链成员可以自由的选择什么时候共享信息以及和谁共享可以利益最大化。 而且相比原始的联邦学习算法，我们提出的自适应联邦学习收敛速度更快。
报告人简介：郑鸽博士目前在剑桥大学工程系的制造研究所的分布式信息与自动化实验室的Supply Chain AI Lab (Distributed Information and Automation Laboratory, Institute for Manufacturing, Department of Engineering, University of Cambridge)做博后工作。目前的主要研究课题是用联邦学习预测供应链的风险(Supply Chain Risk Prediction using Collective Learning). 除了Supply Chain AI 领域的研究，郑鸽博士还对智能交通，可穿戴式智能设备，大数据，机器学习，深度学习，联邦学习，图知识网络，大语言模型在供应链领域的应用的相关的研究感兴趣，并在相关领域发表高质量论文。郑鸽博士在2022年进入剑桥大学开始博后的工作之前，分别于 2022 年和 2018 年获得英国的伯恩茅斯(University of Bournemouth) 的博士学位和英国埃塞克斯大学 (University of Essex) 的硕士学位。
