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边缘系统带来更多的智能，我们建议将深度强化学习技术和联合学习框架与移动边缘系统相集成，以优化移动边缘计算，缓存和沟通。因此，我们设计了“ In-Edge AI”框架，以便智能地利用设备和边缘节点之间的协作来交换学习参数，以更好地训练和推断模型，从而进行动态的系统级优化和应用程序级别的增强，同时减少不必要的系统通信负载。经过评估，“边缘AI”具有接近最佳的性能，但学习开销相对较低，而该系统具有认知性并且适用于移动通信系统。最后，我们讨论了一些相关的挑战和机遇，以揭示有希望的即将到来的“ In-Edge AI”的未来。