Mi Zhang

Herr Mi Zhang ist Informatiker an der Ohio State University , wo er als außerordentlicher Professor für Informatik und Ingenieurwesen sowie als Direktor des AIoT- und Machine-Learning-Systemlabors tätig ist. Er ist vor allem für seine Arbeiten in den Bereichen Edge-KI, Künstliche Intelligenz der Dinge (AIoT), Systeme des maschinellen Lernens und mobile Gesundheit bekannt.

Zhang wurde in Peking , China , geboren . Er erwarb seinen Bachelor-Abschluss in Elektrotechnik an der Peking-Universität in China. Seine Master-Abschlüsse in Elektrotechnik und Informatik sowie seinen Doktortitel in Computertechnik erwarb er alle an der University of Southern California .

Von 2013 bis 2014 war er Postdoktorand im Bereich Informatik an der Cornell University . Von 2014 bis 2022 war er Assistenzprofessor und anschließend ordentlicher Professor an der Michigan State University . Seit 2022 ist er ordentlicher Professor am Fachbereich Informatik und Ingenieurwesen der Ohio State University .

Im Jahr 2016 entwickelte er den ersten auf mobilen Geräten basierenden Deep-Learning-Algorithmus zur Pillenidentifizierung, der den ersten Platz bei der NIH Pill Image Recognition Challenge gewann. ^{[ 1 ]}

Im Jahr 2017 entwickelte er den speicher- und recheneffizienten KI-basierten Echtzeit-Algorithmus zur Rauschunterdrückung und Sprachverbesserung für intelligente Hörgeräte, der den dritten Platz bei der NSF Hearables Challenge gewann. ^{[ 2 ]}

Im Jahr 2019 entwickelte er die Modellkomprimierungsalgorithmen zur Steigerung der Effizienz von Deep-Learning-Modellen, die im Rahmen der NeurIPS Google MicroNet Challenge den vierten Platz im CIFAR-100-Track belegten. ^{[ 3 ] [ 4 ]}

Im Jahr 2020 gewann er den MSU Innovation of the Year Award ^{[ 5 ]} für seine Erfindung intelligenter Hörgeräte.

Im Jahr 2021 wurde ihm der ACM SenSys Best Paper Award verliehen. ^{[ 6 ]}

Im Jahr 2023 erhielt er den ersten USC ECE SIPI Distinguished Alumni Award in der Kategorie Junior/Akademie für seine Beiträge zum Mobile/Edge Computing in seiner frühen Karriere. ^{[ 7 ]}

Im Jahr 2025 wurde er zum ACM Distinguished Member gewählt. ^{[ 8 ]}

Zu seinen weiteren bemerkenswerten Auszeichnungen gehören:

• 2020 – Facebook Faculty Research Award ^{[ 9 ] [ 10 ]}
• 2020 – NeurIPS Workshop on Scalability, Privacy, and Security in Federated Learning Best Paper Award ^{[ 11 ]}
• 2019 – Amazon AWS Machine Learning Research Award ^{[ 12 ] [ 13 ]}
• 2018 – IEEE CNS Best Paper Award ^{[ 14 ]}
• 2016 – NSF CRII Award ^{[ 15 ]}
• 2015 – Lobende Erwähnung beim ACM UbiComp Best Paper Award

• Die nächste Milliarde Geräte mit Deep Learning ausstatten, Stanford University , (2021). ^{[ 16 ] [ 17 ]}

• Samiul Alam, Luyang Liu, Ming Yan und Mi Zhang. „ FedRolex: Modellheterogenes föderiertes Lernen mit rollierender Submodellextraktion “. Konferenz über neuronale Informationsverarbeitungssysteme (NeurIPS) , (2022).
• Yu Zheng, Zhi Zhang, Shen Yan und Mi Zhang. „ Deep AutoAugment “. Internationale Konferenz über lernende Repräsentationen (ICLR) , (2022).
• Xiao Zeng, Ming Yan und Mi Zhang. „ Mercury: Effizientes verteiltes DNN-Training auf dem Gerät mittels stochastischer Importance Sampling “. ACM Conference on Embedded Networked Sensor Systems (SenSys) , (2021).
• Chenning Li, Hanqing Guo, Shuai Tong, Xiao Zeng, Zhichao Cao, Mi Zhang, Qiben Yan, Li Xiao, Jiliang Wang und Yunhao Liu. „ NELoRa: Auf dem Weg zur LoRa-Kommunikation mit extrem niedrigem SNR und neuronal verstärkter Demodulation “. ACM-Konferenz zu eingebetteten vernetzten Sensorsystemen (SenSys) , (2021).
• Shen Yan, Kaiqiang Song, Fei Liu und Mi Zhang. „ CATE: Computation-aware Neural Architecture Encoding with Transformers “. Internationale Konferenz für Maschinelles Lernen (ICML) , (2021).
• Shen Yan, Yu Zheng, Wei Ao, Xiao Zeng und Mi Zhang. „ Hilft unüberwachtes Architekturrepräsentationslernen bei der Suche nach neuronalen Architekturen? “ Konferenz über neuronale Informationsverarbeitungssysteme (NeurIPS) , (2020).
• Chaoyang He, Songze Li, Jinhyun So, Xiao Zeng, Mi Zhang, Hongyi Wang, Xiaoyang Wang, Praneeth Vepakomma, Abhishek Singh, Hang Qiu, Li Shen, Peilin Zhao, Yan Kang, Yang Liu, Ramesh Raskar , Qiang Yang , Murali Annavaram, Salman Avestimehr. „ FedML: Eine Forschungsbibliothek und Benchmark für föderiertes maschinelles Lernen “. Konferenz über neuronale Informationsverarbeitungssysteme (NeurIPS) Federated Learning Workshop , (2020).
• Xiao Zeng, Biyi Fang, Haichen Shen und Mi Zhang. „ Distream: Skalierung von Live-Videoanalysen mit arbeitslastadaptiver verteilter Edge-Intelligenz “. ACM-Konferenz über eingebettete vernetzte Sensorsysteme (SenSys) , (2020).
• Biyi Fang, Xiao Zeng und Mi Zhang. „ NestDNN: Ressourcenbewusstes Multi-Tenant-On-Device-Deep-Learning für kontinuierliche mobile Bildverarbeitung “. ACM International Conference on Mobile Computing and Networking (MobiCom) , (2018).
• Xiao Zeng, Kai Cao und Mi Zhang. „ MobileDeepPill: Ein ressourcenschonendes mobiles Deep-Learning-System zur Erkennung unbeschränkter Pillenbilder “. ACM International Conference on Mobile Systems, Applications, and Services (MobiSys) , (2017).
• Biyi Fang, Jillian Co und Mi Zhang. „ DeepASL: Ermöglichung einer allgegenwärtigen und nicht-invasiven Übersetzung von Gebärdensprache auf Wort- und Satzebene “. ACM-Konferenz über eingebettete vernetzte Sensorsysteme (SenSys) , (2017).
• David C. Mohr, Mi Zhang und Stephen M. Schueller. „ Personal Sensing: Understanding Mental Health Using Ubiquitous Sensors and Machine Learning “. Annual Review of Clinical Psychology (ARCP), Band 13, Seiten 23-47 , (2017).
• Biyi Fang, Nicholas D. Lane, Mi Zhang, Aidan Boran und Fahim Kawsar: „ BodyScan: Funkbasierte Sensorik für tragbare Geräte zur kontaktlosen Aktivitäts- und Vitalzeichenüberwachung “. ACM International Conference on Mobile Systems, Applications, and Services (MobiSys) , (2016).
• Sohrob Saeb, Mi Zhang, Christopher J. Karr, Stephen M. Schueller, Marya E. Corden, Konrad P. Kording und David C. Mohr. „ Korrelate von Mobiltelefonsensoren mit der Schwere depressiver Symptome im Alltag: Eine explorative Studie “. Journal of Medical Internet Research (JMIR), Band 17, Ausgabe 7, Seiten e175 , (2022).

• Die Ohio State University: Mi Zhang, Fachbereich Informatik und Ingenieurwesen
• Von Google Scholar indexierte Publikationen von Mi Zhang