- 博客(23)
- 收藏
- 关注
原创 Wei Yang Bryan Lim, etc. Federated Learning in Mobile Edge Networks: A Comprehensive Survey.
联邦学习综述名词:联邦学习(FL)、ML、MECBAA(宽带模拟聚合)、CNN(卷积神经网络)、CV(计算机视觉)、DDQN(双深度Q网络)、DL(深度学习)DNN(深度神经网络)、DP(差分隐私)、DQL(深度Q学习)、DRL(深度强化学习)、FedAvg(联邦平均)、FL(联合学习)、GAN(对抗网络)、IID(独立和同一分布)loT(物联网,车联网)、LSTM(长短期记忆)MEC(移动边缘计算)、ML(机器学习)、MLP(多层感知器)、NLP(自然语言处理)、OFDMA(正交频分多址)
2020-10-18 20:34:46
1058
3
原创 文献阅读22
DeepThings: Distributed Adaptive Deep LearningInference on Resource-ConstrainedIoT Edge Clusters DeepThings:对资源受限的IoT边缘集群的分布式自适应深度学习推理摘要边缘计算已成为一种趋势,例如通过在源头本地的深度学习应用中处理大规模数据来提高可扩展性,开销和隐私性。在物联网网络中,边缘设备的特点是资源紧张,并且通常具有数据源的动态特性,而现有的部署深度/卷积神经网络(DNN / CNN)的方法仅在
2020-10-17 17:39:06
667
原创 文献阅读21
Adaptive User-managed Service Placement for Mobile Edge Computing: An Online Learning Approach(移动边缘计算的自适应用户管理服务放置:一种在线学习方法)摘要设想为云扩展的移动边缘计算(MEC)将云资源从网络核心推送到网络边缘,从而满足许多新兴的计算密集型移动应用程序的严格服务要求。现有的许多工作都集中在研究系统范围的MEC服务放置问题,个性化服务性能优化而受到的关注较少。因此,在本文中,我们提出了一种新颖的自适
2020-09-23 12:02:46
212
原创 文献阅读20
Cost-Aware Edge Resource Probing for Infrastructure-Free Edge Computing: From Optimal Stopping to Layered Learning (用于无基础架构的边缘计算的可感知成本的边缘资源探测:从最佳停止到分层学习)摘要为了满足诸如面部识别和视频流分析等人工智能应用的严格要求,资源受限的设备可以将其任务转移到边缘计算中的附近资源丰富的设备中。资源意识是卸载决策的首要前提,对于实现高效的协作计算性能至关重要。在本文中
2020-09-23 12:01:34
414
原创 文献阅读19
Efficient Resource Allocation for On-DemandMobile-Edge Cloud Computing (按需移动边缘云计算的高效资源分配)摘要移动边缘云计算是一种新范例,可在与移动用户紧邻的普及无线电接入网络的边缘提供云计算功能。为了提供灵活的按需移动边缘云服务,本文提出了一个全面的框架,该框架由针对用户的资源高效的计算卸载机制和针对网络运营商的联合通信与计算(JCC)资源分配机制组成。具体来说,我们首先研究用户的资源高效计算分流问题,以通过在资源占用最小的情况下
2020-09-23 11:59:17
219
原创 文献阅读18
Socially-Motivated Cooperative Mobile Edge Computing(社交合作的移动边缘计算)摘要在本文中,我们提出了一种基于社会动机的协作移动边缘计算的新颖范例,该模型利用移动和可穿戴设备用户之间的社交联系结构来实现有效的和可信赖的协作,以进行协作计算任务执行。我们设想将本地设备计算和网络资源共享相结合,可以使设备具有多种灵活的任务执行方法,包括本地移动执行,D2D卸载执行,直接云卸载执行和D2D辅助的云卸载执行。具体来说,我们提出了一种用于协作移动边缘计算的系统模
2020-09-22 15:21:44
215
原创 文献阅读17
In-Edge AI: Intelligentizing Mobile EdgeComputing, Caching and Communication byFederated Learning(边缘AI:通过联合学习对移动边缘计算,缓存和通信进行智能化)摘要近年来,随着移动通信技术的飞速发展,边缘计算理论和技术受到了全球研究人员和工程师的越来越多的关注,它们可以通过网络边缘显着地弥合云的容量和对设备的需求,从而可以加快内容交付并提高移动服务质量。与传统的优化方法相比,为了在当前的深度学习技术的驱动下为
2020-09-22 15:20:00
274
原创 文献阅读16
Exploiting Massive D2D Collaboration for EnErgy-EffiCiEnt MobilE EDGE CoMputing(利用大量的D2D协作来提高能源效率的移动边缘计算)摘要在本文中,我们提出了一种用于5G移动边缘计算的新颖D2D人群框架,其中大量网络边缘的设备利用网络辅助的D2D协作进行计算和通信资源共享。该框架的主要目标是在网络边缘为移动用户实现高能效的协作任务执行。具体来说,我们首先详细介绍D2D人群系统模型,然后通过考虑必要的约束条件来制定高效的D2D人群
2020-09-22 15:18:34
316
原创 文献阅读15
Cloudlet Placement and Task Allocation in Mobile Edge Computing(移动边缘计算中的Cloudlet放置和任务分配)摘要移动边缘计算(MEC)提供了一种通过在网络边缘建立小型云基础架构(如cloudlet)来缩短云服务延迟的方法,这些基础架构非常接近最终用户。一方面,将每个小云放在每个访问点(AP)上以处理请求的任务非常耗能且成本很高。另一方面,服务提供商应向最终用户提供延迟保证的服务,否则可能会导致收入损失。在本文中,我们首先对如何在MEC中
2020-09-22 15:18:22
258
原创 文献阅读14
Chimera: An Energy-efficient and Deadline-awareHybrid Edge Computing Framework for VehicularCrowdsensing Applications(Chimera:一种适用于车辆拥挤应用的高能效和可感知截止时间的混合边缘计算框架)摘要在本文中,我们提出了一种新颖的混合边缘计算框架Chimera,该框架与新兴的边缘云无线电接入网络集成在一起,以通过利用大量的协作车辆来增加全网范围的车辆资源,以用于未来的大规模车辆人群感
2020-09-22 15:18:07
285
原创 文献阅读13
ERP: Edge Resource Pooling for Data StreamMobile Computing(ERP:用于数据流的边缘资源池移动计算)摘要近年来,可穿戴设备,视频监控和互联车辆证明了对资源渴求和时延敏感的物联网(IoT)应用的爆炸式增长,对通常计算资源有限的底层物联网设备提出了巨大挑战。 作为回应,可以将计算分流设想为增强物联网设备功能的有前途的方法。为了实现实时,高效的计算分流,本文提出了一种新颖的边缘资源池框架,其中网络边缘的大量设备利用设备到设备(D2D)协作来池化和共享计
2020-09-22 15:17:45
799
原创 文献阅读12
Mobile Social Data Learning for User-Centric Location Prediction with Application in Mobile Edge Service Migration(用于以用户为中心的位置预测的移动社交数据学习及其在移动边缘服务迁移中的应用)摘要最近,由于基于位置的服务(例如移动广告和推荐)的普及,位置预测吸引了可观的研究工作。随着微信和Twitter等移动社交网络的空前普及,我们能够使用位置服务来桥接在线和离线世界,这对于许多智能城市应用
2020-09-22 15:17:24
231
原创 文献阅读11
HierTrain: Fast Hierarchical Edge AI Learning With Hybrid Parallelism in Mobile-Edge-Cloud Computing(HierTrain:移动边缘云计算中具有混合并行性的快速分层边缘AI学习)摘要如今,深度神经网络(DNN)是许多新兴边缘AI应用程序的核心推动力。用于训练DNN的常规方法通常在中央服务器或云中心实施以进行集中式学习,由于大量数据样本从边缘设备到远程云的传输,这通常既耗时又需要资源。为了克服这些缺点,我们考
2020-09-22 15:16:53
378
原创 文献阅读10
Edge Intelligence: Paving the Last Mile of Artificial Intelligence With Edge Computing(边缘智能:通过边缘计算铺开人工智能的最后一步)本文对边缘智能的研究工作进行了全面的调查。它概述了用于深度学习模型的体系结构,框架和新兴的关键技术,以便在网络边缘进行训练和推理。摘要随着深度学习的突破,近年来见证了人工智能(AI)应用程序和服务的蓬勃发展,从个人助理到推荐系统再到视频/音频监视。最近,随着移动计算和物联网(IoT)的
2020-09-21 10:18:05
453
原创 文献阅读9
CE-IoT: Cost-Effective Cloud-Edge ResourceProvisioning for Heterogeneous IoT Applications(CE-IoT:适用于异构物联网应用的经济高效的云边缘资源配置)摘要随着物联网(IoT)领域的巨大进步,近年来目睹了异构物联网设备和应用程序的空前泛滥。其中,有些具有严格的截止期限,只能通过新兴的移动边缘计算(MEC)范式来满足,而另一些则可能带来弹性的截止期限,而云计算可以灵活地完成这些截止期限。但是,由于存在MEC和云的资源
2020-09-21 10:16:35
278
原创 文献阅读8
HFEL: Joint Edge Association and ResourceAllocation for Cost-Efficient Hierarchical FederatedEdge Learning (HFEL:联合边缘关联和资源分配,以实现具有成本效益的分层联合边缘学习)摘要与使用原始用户数据上传的远程云上的常规机器学习相比,联合学习(FL)已被提出作为一种有吸引力的方法来处理移动设备的数据隐私问题。通过利用边缘服务器作为中介,可以在附近执行部分模型聚合并减轻核心网络的传输开销,这为低延
2020-09-21 10:15:21
546
原创 文献阅读7
Edge AI: On-Demand Accelerating Deep NeuralNetwork Inference via Edge Computing (边缘AI:通过边缘计算按需加速深度神经网络推理)摘要作为支持5G时代的人工智能(AI)应用的关键技术,深度神经网络(DNN)迅速引起了广泛的关注。然而,由于有限的计算资源,在移动设备上运行基于计算密集型DNN的任务具有挑战性。更糟糕的是,传统的云辅助DNN推理由于广域网的巨大延迟而严重受阻,导致实时性能不佳以及用户体验质量低下。为了解决这些挑战
2020-09-21 10:13:04
599
原创 文献阅读6
Leveraging the Power of Prediction: PredictiveService Placement for Latency-Sensitive MobileEdge Computing(充分利用预测的力量:针对延迟敏感的移动边缘计算的预测服务)摘要移动边缘计算 (MEC) 正在兴起,以支持移动网络边缘对延迟敏感的 5G 应用。当用户在多个 MEC 节点之间移动不稳定时,将出现如何动态迁移其服务以保持服务性能(即用户感知的延迟)的挑战。但是,频繁的服务迁移可能会显著降低运营成本
2020-09-21 10:11:49
296
原创 文献阅读5
Learning Driven Computation Offloading forAsymmetrically Informed Edge Computing(用于非对称信息边缘计算的学习驱动计算分流)摘要边缘计算是将计算能力下放到网络边缘,从而通过任务卸载改善用户体验的一个有前途的范例。如果可以事先知道所有任务的执行时间,用户可以完美地安排其任务在边缘服务器上执行。但是,在执行实际卸载之前,很难知道任务执行时间 (TET),这通常在不同的软件和硬件配置的边缘服务器上有所不同。此外,由于安全考虑,最终
2020-09-21 10:10:30
146
原创 文献阅读4
Decentralized Computation Offloading Game For Mobile Cloud Computing(移动云计算的分散计算卸载游戏)摘要移动云计算被设想为一种很有前途的方法,用于增强移动设备的计算能力,以开发资源密集型的移动应用程序。本文提出了一种实现移动云计算高效计算卸载的游戏理论方法。我们将分散式计算卸载决策问题作为分散式计算卸载游戏在移动设备用户中制定。我们分析游戏的结构属性,并表明游戏总是承认纳什均衡。然后,我们设计了一个分散的计算卸载机制,可以实现游戏的纳什
2020-09-21 10:09:36
127
原创 文献阅读3
Follow Me at the Edge: Mobility-Aware Dynamic Service Placement for Mobile Edge Computing(在边缘跟随我:移动边缘计算的移动感知动态服务放置)摘要移动边缘计算是一种新的计算范例,它将云计算功能从集中式云推向了网络边缘。但是,随着计算能力的下降,出现了由用户移动性引起的新挑战:由于最终用户通常会不规律地移动,因此应在多个边缘之间动态迁移服务以维持服务性能,即用户感知的延迟。解决此问题并非易事,因为频繁的服务迁移会大大增
2020-09-21 10:08:37
413
原创 文献阅读2
Efficient Multi-User Computation Offloading for Mobile-Edge Cloud Computing(移动边缘云计算的高效多用户计算分流)摘要移动边缘云计算是一种新范例,可在与移动用户紧邻的普及无线电接入网络的边缘提供云计算功能。在本文中,我们首先研究了在多信道无线干扰环境下移动边缘云计算的多用户计算卸载问题。我们证明计算集中式最优解是NP难的,因此采用了博弈论的方法来以分布式方式实现有效的计算卸载。我们将移动设备用户之间的分布式计算卸载决策问题公式化为
2020-09-21 10:07:03
476
原创 文献阅读1
Personalized Federated Learning for Intelligent IoT Applications: A Cloud-Edge based Framework(智能物联网应用的个性化联合学习:基于云边缘的框架)摘要物联网(IoT)已广泛渗透到现代生活的各个方面,并且出现了许多智能IoT服务和应用程序。最近,提出了联合学习以通过在IoT设备上利用大量用户生成的数据样本同时防止数据泄漏来训练全局共享模型。但是,复杂物联网环境中固有的设备,统计和模型异质性给传统的联合学习带来了巨
2020-09-21 10:00:32
724
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人