徐小華

Email：xiaohuaxu@ustc.edu.cn

個人主頁：http://staff.ustc.edu.cn/~xiaohuaxu/

主要研究方向：智能物聯網，邊緣計算，雲邊端協同

徐小華，男，博士生導師。現任職188bet亚洲体育博彩及真人，中科院人才項目計劃。本科畢業於浙江大學竺可楨學院，竺可楨榮譽證書獲得者。博士畢業於美國伊利諾伊理工大學。先後在密歇根理工大學等四所美國綜合性大學從事科學研究，並赴德國呂貝克大學、香港理工大學、和美國貝爾實驗室安全組短期訪問。主持國家自然科學基金麵上項目及擔任安徽省科技重大專項項目課題負責人，曾主持美國國家科學基金委的研究基金398, 272美元（約257萬人民幣）。在領域權威期刊IEEE/ACM Transactions on Networking、 IEEE Transactions on Parallel and Distributed Systems和IEEE INFOCOM, ICDCS等會議上發表論文70餘篇，一作26篇，專著2部; 其中CCF A類共10篇（一作5篇）。獲美國伊利諾伊理工大學計算機科學係的年度唯一最佳學生論文獎。Google學術引用單篇最高引用249次，論文Google學術總引用1642次。在全球會議和大學中發表50多次邀請報告。擔任多項重要學術職務如國際期刊編委(Editor) 和項目評委，並連續4年進入INFOCOM (CCF A) 程序委員會。

導師選題：

基於在網計算的動態RPC克隆係統	在分布式架構中，RPC請求的長尾效應導致服務無法滿足用戶服務質量目標的問題。為了應對這種問題，常用的方法是請求克隆，通過冗餘操作選擇最先完成的結果來降低尾部延遲。然而，現有的NetClone方案存在服務器狀態感知不準確、負載加劇和故障感知不足等缺點。為解決這些問題，本課題提出了NetClonePlus，結合擁塞控製與服務器實時狀態感知，實現了更低的長尾延遲、減少服務器高壓下的負擔，並具備故障感知能力。
針對異構終端的聯邦圖神經網絡框架研究	本研究旨在解決傳統集中式圖神經網絡在數據隱私和計算資源分配上的挑戰。通過在多個異構終端設備上分布式訓練圖神經網絡模型，提升數據隱私保護，有效地利用了多樣化設備的計算能力，最終實現了高效、可靠的圖數據處理和分析。
針對異構終端的聯邦持續學習研究	本研究旨在解決不同設備間數據和計算能力差異引發的挑戰。在保持數據隱私的同時，利用分布式協同學習機製，實現模型在多樣化終端上的持續優化與更新並對在模型泛化能力和學習效率方麵進行改進。
針對異構終端的聯邦個性化模型研究	本研究旨在同時滿足不同設備的個性化需求和數據隱私保護。在分布式環境下，通過共享全局模型並引入個性化調整策略，使各終端能依據自身數據進行本地優化，提高模型性能和個性化適應性。