（通讯员 张元侨）西安电子科技大学协同智能系统教育部重点实验室张元侨博士、公茂果教授在神经网络领域权威期刊IEEE Transactions on Neural Networks and Learning Systems (TNNLS)上发表题为“Device-performance Driven Heterogeneous Multi-Party Learning for Arbitrary Images”的学术论文。该论文针对现存的横向多方学习个性化问题，提出了一种新型的定制化生成和聚类策略。

本文主要关注两个实际问题：多方学习中的数据异构问题和模型异构问题，并提出了一种全新的个性化多方异构学习方法。首先，面对数据异构问题，本文集中研究了各种设备持有任意数据尺寸的问题，通过引入一种异构特征图聚合方法，自适应地统一各特征图维度。针对计算性能差异导致的模型异构问题，为了适应不同设备的性能差异，本文提出了一种逐层模型生成和聚合策略，该方法可以根据设备的性能生成定制化的模型。同时，在模型聚合过程中，通过网络层具有相同语义的规则进行聚合，更新共享模型参数。

IEEE Transactions on Neural Networks and Learning Systems是计算机科学和工程技术领域顶级期刊（IF 14.255，中科院一区，Top期刊），致力于发表关于神经网络和相关学习系统的理论、设计和应用的技术文章。