边缘计算
文章平均质量分 87
沐阳zz
这个作者很懒,什么都没留下…
展开
-
边缘计算论文
调度:Data-intensive application scheduling on Mobile Edge Cloud Computing---2020提出了一种移动应用卸载算法来调度MECC环境中的数据密集型移动应用。该算法生成应用执行计划,该计划考虑应用大小、输入数据大小、可用网络带宽和移动设备能量。 Makespan-Minimization Workflow Scheduling fo...原创 2021-05-24 21:30:08 · 4181 阅读 · 0 评论 -
联邦学习算法综述
摘要:近年来,联邦学习作为解决数据孤岛问题的技术被广泛关注,已经开始被应用于金融、医疗健康以及智慧城市等领域。从3个层面系统阐述联邦学习算法。首先通过联邦学习的定义、架构、分类以及与传统分布式学习的对比来阐述联邦学习的概念;然后基于机器学习和深度学习对目前各类联邦学习算法进行分类比较和深入分析;最后分别从通信成本、客户端选择、聚合方式优化的角度对联邦学习优化算法进行分类,总结了联邦学习的研究现状,并提出了联邦学习面临的通信、系统异构、数据异构三大难题和解决方案,以及对未来的期望。关键词:联邦学习,算法.翻译 2021-05-20 16:29:06 · 1954 阅读 · 1 评论 -
联邦学习的边缘和末端计算
1. HeirFAVG(from Client-Edge-Cloud Hierarchical Federated Learning)联邦学习是一个协作的机器学习框架,它可以在不访问客户端私有数据的情况下训练深度学习模型。以前的工作假设一个中心参数服务器,要么在云中,要么在边缘。云服务器可以访问更多的数据,但是需要过多的通信开销和较长的延迟,而边缘服务器可以与客户端进行更有效的通信。为了结合它们的优势,我们提出了一个客户端-边缘云分层联邦学习系统,该系统支持允许多个边缘服务器执行部分模型聚合的HierFA原创 2021-05-20 11:02:35 · 1500 阅读 · 0 评论 -
论文:联邦学习:一种功能融合的方法
【论文】TOWARDS FASTER AND BETTER FEDERATED LEARNING A FEATURE FUSION APPROACH阅读笔记TOWARDS FASTER AND BETTER FEDERATED LEARNING: A FEATURE FUSION APPROACHAbstract本文主要提出一种特征融合的方式,来加速并且提升联邦学习的性能。Introduction如今许多智能设备依赖于预训练模型,这使得机器的推断能力缺乏个性化和灵活性。与此同时,智能终端原创 2021-05-20 11:00:09 · 1488 阅读 · 0 评论 -
边缘计算与深度学习综述
边缘计算与深度学习综述 摘要 背景,度量与框架 深度学习的背景 深度学习性能的度量 DNN推理和训练的可用框架 深度学习在边缘侧的应用 计算机视觉 自然语言处理 网络功能 IOT 虚拟现实和增强现实(VR and AR) 边缘侧的快速推理 设备端计算 边缘端计算 跨边缘设备计算 隐私性推理 边缘侧的训练 训练更新的频率 训练更新的大小 去中心化的通信协议 隐转载 2021-05-19 21:57:34 · 3774 阅读 · 1 评论 -
爱奇艺边缘计算框架
01 边缘计算简介边缘计算正获得越来越多的关注,Gartner 连续三年将边缘计算列入十大技术趋势之一。欧洲标准电信协会ESTI制定的边缘计算标准架构MEC,也从 “Mobile Edge Computing” 转变为 “Multi-Access Edge Computing”,意味着边缘计算并非限定在运营商层面的移动网络,而是包括更广泛的多接入网络。关于边缘的界定也逐渐清晰,按照离终端用户的距离从近到远,可以分为物边缘、移动边缘和云边缘,目前国内运营商和云厂商主要分别在后两部分布局。值得注意.转载 2021-05-19 08:26:14 · 600 阅读 · 0 评论 -
多接入边缘计算在医疗行业中的应用
摘 要:针对医疗院内、院外和院间等多种应用场景,为中小型医院以及大型医院提供了不同的边缘计算解决方案,并根据多接入边缘计算在网络、计算、平台等方面的能力阐述其医疗行业中的优势,有效降低传输时延、提升计算效率,赋能智慧医疗。关键词:多接入边缘计算 智慧医院 网络能力随着5G商用时代的全面推进,边缘计算成为助力创新应用服务的强力助推技术,是各互联网头部企业、设备厂商、垂直行业和运营商等竞相抢占的具有新机遇和挑战的领域。2018 年 4 月,《关于促进“互联网+医疗健康”发展的意见》提出了促进互联网与医疗原创 2021-05-19 08:22:18 · 30431 阅读 · 6 评论 -
边缘计算七大核心技术
计算模型的创新带来的是技术的升级换代,而边缘计算的迅速发展也得益于技术的进步。本节总结了推动边缘计算发展的7项核心技术,它们包括网络、隔离技术、体系结构、边缘操作系统、算法执行框架、数据处理平台以及安全和隐私。1.网络边缘计算将计算推至靠近数据源的位置,甚至于将整个计算部署于从数据源到云计算中心的传输路径上的节点,这样的计算部署对现有的网络结构提出了 3个新的要求:1)服务发现。在边缘计算中,由于计算服务请求者的动态性,计算服务请求者如何知道周边的服务,将是边缘计算在网络层面中的一个核心问题.传原创 2021-05-19 08:19:56 · 3238 阅读 · 0 评论