邓滔，男，博士，苏州大学优秀青年学者，讲师，硕导。2019年毕业于西南交通大学信息与通信工程专业获工学博士学位，师从范平志教授。2016年10月至2018年1月，受国家留学基金委资助赴瑞典乌普萨拉大学信息技术系访问交流。2019年7月至2022年6月，在华为技术有限公司从事预研工作。2022年7月进入苏州大学计算机科学与技术学院工作，主要研究方向为嵌入式AI系统，端侧小模型，边缘智能等，目前已在国际权威期刊及会议发表论文30余篇，包括IEEE TWC、IEEE TC、AAAI等，授权发明专利多项。担任多个期刊及会议审稿人，包括IEEE JSAC、TWC等。
主要研究方向：大模型垂直领域应用、大模型终端部署、微型机器学习模型、嵌入式人工智能
当前指导的研究生取得的成果：
一. 基于WiFi信号的持续人体动作行为识别
简介：基于 WiFi 信号的持续人体动作行为识别技术不仅具有非接触式、无需佩戴额外设备的优点，能够为用户提供无感且便捷的体验，还具备较高的成本效益与易于部署的特性。随着相关技术的不断优化与完善，其将在智能家居、智能安防、医疗健康监测、智能办公等多个领域发挥更为关键的作用，为人们的生活与工作带来更多智能化的便利与安全保障。
成果：1) Rong Li, Tao Deng, Siwei Feng, Mingjie Sun, Juncheng Jia, "ConSense: Continually Sensing Human Activity with WiFi via Growing and Picking," in Proc. AAAI, 2025. (CCF A，Oral presentation, Top 4.6%，论文第一作者为研究生李荣同学)
2) Rong Li, Tao Deng, Siwei Feng, He Huang, Juncheng Jia, Di Yuan, and Keqin Li, "WECAR: An End-Edge Collaborative Inference and Training Framework for WiFi-Based Continuous Human Activity Recognition," arXiv:2503.07669, 在审
3）邓滔，李荣，冯思为，朱巧明，一种交互式持续学习轻量化模型训练与推理方法，发明专利，申请中。
4）系统：下面的demo介绍了一种交互式持续学习轻量化模型协同训练与推理的框架，用Jestson nano作为边缘服务器训练增量模型，ESP32作为终端设备做持续模型推理
二. 面向车联网场景的联邦学习研究
简介：随着车联网（Internet of Vehicles, IoV）技术的快速发展，车辆与车辆、车辆与基础设施之间的互联互通成为现实。车联网为自动驾驶和智能交通系统提供了强大的支持，但也面临着数据隐私保护、通信开销以及模型训练效率等挑战。联邦学习（Federated Learning, FL）作为一种新兴的分布式机器学习技术，为解决这些问题提供了新的思路
成果：1) Dongyu Chen, Tao Deng, Juncheng Jia, Siwei Feng, Di Yuan, "Mobility-aware decentralized federated learning with joint optimization of local iteration and leader selection for vehicular networks," Computer Networks，已录用（CCF B，论文第一作者为研究生陈东宇同学）
2) Dongyu Chen, Tao Deng, He Huang, Jia Jia, Mianxiong Dong, Di Yuan, Keqin Li, "Mobility-Aware Multi-Task Decentralized Federated Learning for Vehicular Networks: Modeling, Analysis, and Optimization," arXiv:2503.06468, 在审
三. 大模型终端部署
简介：随着人工智能技术的飞速发展，大模型的应用场景不断拓展，从云端逐渐向终端设备渗透。大模型终端部署是指将大模型算法轻量化后，内嵌到终端设备中，使其能够在本地运行，从而实现更高效、更安全、更实时的智能服务
成果：Zihao Jiang, Tao Deng, et al, "CoPruning: Exploring the Parameter-Gradient Nonlinear Correlation for Neural Network Pruning Using Copula Function," 在修改，（论文第一作者为研究生蒋子豪同学）
四. 最近，我们尝试利用大模型在做一些研究工作；在大模型垂直应用领域，也有些研究工作与系统样机已经完成和正在准备。
现有团队成员：23级研究生3名，24级研究生2名
23级研究生：
1. 李荣
1) 一作发表AAAI 2025论文一篇（CCF A），并且被选为oral presentation (Top 4.6%)
2) 一作IEEE Transactions on Mobile Computing论文一篇，正在审稿中
3) 申请发明专利一项
4）完成多项实际软硬件系统与样机，包括终端小模型部署，基于大模型本地部署的语音对话机器
2. 陈东宇
1）一作发表Computer Networks论文一篇 (CCF B期刊)
2）二作发表IEEE Transaction on Vehicular Technology论文一篇
3）一作投稿IEEE Transactions on Mobile Computing论文一篇，under revision
3. 蒋子豪
1）两篇一作 IJCAI 2025论文正在审稿
24级研究：
1. 邓奕妙
1）参与大模型项目一项
2. 沈心怡
本团队招生名额充足，欢迎优秀青年学者加入本团队，我们一起共同努力做出好的研究成果，发表高质量论文，并做出有实用价值的软硬件系统与样机！
邓滔，男，博士，苏州大学优秀青年学者，讲师，硕导。2019年毕业于西南交通大学信息与通信工程专业获工学博士学位，师从范平志教授。2016年10月至2018年1月，受国家留学基金委资助赴瑞典乌普萨拉大学信息技术系访问交流。2019年7月至2022年6月，在华为技术有限公司从事预研工作。2022年7月进入苏州大学计算机科学与技术学院工作，主要研究方向为嵌入式AI系统，端侧小模型，边缘智能等，目前已在国际权威期刊及会议发表论文30余篇，包括IEEE TWC、IEEE TC、AAAI等，授权发明专利多项。担任多个期刊及会议审稿人，包括IEEE JSAC、TWC等。
主要研究方向：大模型垂直领域应用、大模型终端部署、微型机器学习模型、嵌入式人工智能
当前指导的研究生取得的成果：
一. 基于WiFi信号的持续人体动作行为识别
简介：基于 WiFi 信号的持续人体动作行为识别技术不仅具有非接触式、无需佩戴额外设备的优点，能够为用户提供无感且便捷的体验，还具备较高的成本效益与易于部署的特性。随着相关技术的不断优化与完善，其将在智能家居、智能安防、医疗健康监测、智能办公等多个领域发挥更为关键的作用，为人们的生活与工作带来更多智能化的便利与安全保障。
成果：1) Rong Li, Tao Deng, Siwei Feng, Mingjie Sun, Juncheng Jia, "ConSense: Continually Sensing Human Activity with WiFi via Growing and Picking," in Proc. AAAI, 2025. (CCF A，Oral presentation, Top 4.6%，论文第一作者为研究生李荣同学)
2) Rong Li, Tao Deng, Siwei Feng, He Huang, Juncheng Jia, Di Yuan, and Keqin Li, "WECAR: An End-Edge Collaborative Inference and Training Framework for WiFi-Based Continuous Human Activity Recognition," arXiv:2503.07669, 在审
3）邓滔，李荣，冯思为，朱巧明，一种交互式持续学习轻量化模型训练与推理方法，发明专利，申请中。
4）系统：下面的demo介绍了一种交互式持续学习轻量化模型协同训练与推理的框架，用Jestson nano作为边缘服务器训练增量模型，ESP32作为终端设备做持续模型推理
二. 面向车联网场景的联邦学习研究
简介：随着车联网（Internet of Vehicles, IoV）技术的快速发展，车辆与车辆、车辆与基础设施之间的互联互通成为现实。车联网为自动驾驶和智能交通系统提供了强大的支持，但也面临着数据隐私保护、通信开销以及模型训练效率等挑战。联邦学习（Federated Learning, FL）作为一种新兴的分布式机器学习技术，为解决这些问题提供了新的思路
成果：1) Dongyu Chen, Tao Deng, Juncheng Jia, Siwei Feng, Di Yuan, "Mobility-aware decentralized federated learning with joint optimization of local iteration and leader selection for vehicular networks," Computer Networks，已录用（CCF B，论文第一作者为研究生陈东宇同学）
2) Dongyu Chen, Tao Deng, He Huang, Jia Jia, Mianxiong Dong, Di Yuan, Keqin Li, "Mobility-Aware Multi-Task Decentralized Federated Learning for Vehicular Networks: Modeling, Analysis, and Optimization," arXiv:2503.06468, 在审
三. 大模型终端部署
简介：随着人工智能技术的飞速发展，大模型的应用场景不断拓展，从云端逐渐向终端设备渗透。大模型终端部署是指将大模型算法轻量化后，内嵌到终端设备中，使其能够在本地运行，从而实现更高效、更安全、更实时的智能服务
成果：Zihao Jiang, Tao Deng, et al, "CoPruning: Exploring the Parameter-Gradient Nonlinear Correlation for Neural Network Pruning Using Copula Function," 在修改，（论文第一作者为研究生蒋子豪同学）
四. 最近，我们尝试利用大模型在做一些研究工作；在大模型垂直应用领域，也有些研究工作与系统样机已经完成和正在准备。
现有团队成员：23级研究生3名，24级研究生2名
23级研究生：
1. 李荣
1) 一作发表AAAI 2025论文一篇（CCF A），并且被选为oral presentation (Top 4.6%)
2) 一作IEEE Transactions on Mobile Computing论文一篇，正在审稿中
3) 申请发明专利一项
4）完成多项实际软硬件系统与样机，包括终端小模型部署，基于大模型本地部署的语音对话机器
2. 陈东宇
1）一作发表Computer Networks论文一篇 (CCF B期刊)
2）二作发表IEEE Transaction on Vehicular Technology论文一篇
3）一作投稿IEEE Transactions on Mobile Computing论文一篇，under revision
3. 蒋子豪
1）两篇一作 IJCAI 2025论文正在审稿
24级研究：
1. 邓奕妙
1）参与大模型项目一项
2. 沈心怡
本团队招生名额充足，欢迎优秀青年学者加入本团队，我们一起共同努力做出好的研究成果，发表高质量论文，并做出有实用价值的软硬件系统与样机！