掃一掃
關注中圖網
官方微博
>
智能邊緣計算
本類五星書更多>
-
>
貨幣大歷史:金融霸權與大國興衰六百年
-
>
(精)方力鈞作品圖錄
-
>
《藏書報》2021合訂本
-
>
(精)中國當代書畫名家作品集·范碩:書法卷+繪畫卷(全2卷)
-
>
(噴繪樓閣版)女主臨朝:武則天的權力之路
-
>
書里掉出來一只狼+狼的故事-全2冊
-
>
奇思妙想創意玩具書(精裝4冊)
智能邊緣計算 版權信息
- ISBN：9787111766520
- 條形碼：9787111766520 ; 978-7-111-76652-0
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：
智能邊緣計算 本書特色
本書系統性地介紹智能邊緣計算所需要的核心技術
智能邊緣計算 內容簡介
本書系統性地介紹智能邊緣計算所需要的核心技術，并詳細闡述如何將這些技術落地的實際編程實例。本書包括四大部分：第yi部分介紹邊緣計算的基礎、發展歷史，以及發展趨勢；第二部分介紹面向邊緣計算的深度學習技術，包括聯邦學習和微小機器學習；第三部分講述在邊緣計算中支撐智能應用的核心優化問題與技術；第四部分闡述如何基于本書中的相關技術，構建實際智能邊緣應用。本書可以為邊緣計算、物聯網、嵌入式和智能系統、機器學習與應用、網絡通信等領域的科研人員和從業者提供一些前沿視野及相關理論、方法和技術支撐，如邊緣系統智能能量優化、學習驅動的任務卸載與服務緩存、邊緣大數據分析、軟件定義邊緣網絡、網絡切片，也可作為相關專業高年級本科生和研究生的課程教材或參考教材。
智能邊緣計算智能邊緣計算 前言
Preface
前 言
隨著第五代移動通信技術（簡稱5G）的快速發展，運行在移動終端的人工智能應用成為主流，例如人臉識別、增強現實等先進技術廣泛應用于教育、醫療、精密儀器檢修、仿真等多個領域。5G提供人與物、物與物，以及不同地域之間設備的互聯，進一步促進了人工智能的發展和廣泛應用。由于5G網絡中邊緣側存在大量數據與應用，傳統云計算已經無法滿足這些應用對時延和帶寬的要求，智能邊緣計算隨之得到發展。通過將算力部署在邊緣側，智能邊緣計算可以實時響應各種人工智能應用對帶寬、性能等的嚴苛要求。
機遇與挑戰并存。一方面，智能邊緣計算由于邊緣設備的功能、算力等受到限制，而傳統機器學習模型需要大算力，也無法應用到智能邊緣計算中。另一方面，智能邊緣計算節點眾多、算力分布性極強，在和云數據中心協同的同時，需要邊緣節點之間的橫向協同，及高效、智能的任務調度、資源管理方法。
智能邊緣計算 目錄
CONTENTS
目 錄
前言
第1章 概述1
1.1 邊緣計算1
1.1.1 什么是邊緣計算1
1.1.2 邊緣計算的背景與發展歷史4
1.1.3 邊緣計算的相關技術6
1.2 智能邊緣計算10
1.2.1 什么是智能邊緣計算10
1.2.2 邊緣計算與人工智能11
1.3 智能邊緣計算典型應用12
1.3.1 智慧城市12
1.3.2 新型娛樂12
1.3.3 智能制造13
1.4 機遇與挑戰14
本章小結15
參考文獻15
第2章 邊緣計算架構與核心技術18
2.1 邊緣計算架構18
2.1.1 邊緣計算平臺架構標準18
2.1.2 邊緣計算平臺21
2.1.3 云-邊協同架構24
2.2 邊緣計算核心技術27
2.2.1 邊緣智能27
2.2.2 計算推理卸載29
2.2.3 第五代通信與網絡切片30
2.2.4 軟件定義邊緣網絡30
2.2.5 云-邊-端協同32
本章小結33
參考文獻33
第3章 機器學習基礎34
3.1 機器學習概述34
3.2 監督學習35
3.2.1 線性回歸36
3.2.2 k近鄰算法37
3.2.3 決策樹38
3.3 無監督學習40
3.3.1 k均值聚類40
3.3.2 譜聚類41
3.4 半監督學習42
3.5 深度學習43
3.5.1 反向傳播45
3.5.2 隨機梯度下降45
3.5.3 學習率衰減46
3.5.4 *大池化47
3.6 強化學習47
3.6.1 Q-Learning48
3.6.2 Sarsa49
3.6.3 DQN50
本章小結52
參考文獻52
第 4 章 TinyML54
4.1 TinyML與邊緣嵌入式設備54
4.2 TinyML的核心技術55
4.2.1 模型剪枝56
4.2.2 數據量化58
4.2.3 輕量化模型設計62
4.2.4 知識蒸餾65
4.3 TinyML相關研究66
4.4 TinyML應用67
本章小結68
參考文獻69
第5章 分布式機器學習與聯邦學習72
5.1 分布式機器學習72
5.1.1 基本概念72
5.1.2 基本框架73
5.1.3 挑戰與機遇74
5.2 聯邦學習75
5.2.1 橫向聯邦學習76
5.2.2 縱向聯邦學習77
5.2.3 聯邦遷移學習78
5.2.4 聯邦學習框架79
5.3 聯邦學習與數據隱私82
5.3.1 數據隱私保護技術簡述83
5.3.2 國內外聯邦學習數據隱私
研究85
5.3.3 聯邦學習數據隱私發展方向87
5.4 聯邦學習的激勵機制88
5.4.1 基于博弈論設計的激勵
機制89
5.4.2 基于契約理論設計的激勵
機制90
5.4.3 基于區塊鏈技術設計的激
勵機制90
5.4.4 聯邦學習的激勵機制未來
的發展方向91
本章小結91
參考文獻 92
第6章 計算、訓練與推理任務卸載95
6.1 任務卸載概述95
6.1.1 任務卸載的基本概念96
6.1.2 任務卸載的一般過程96
6.1.3 任務卸載劃分的標準98
6.1.4 任務卸載的分類99
6.2 任務卸載的應用場景和系統實例100
6.2.1 任務卸載的應用場景100
6.2.2 任務卸載的系統實例102
6.3 任務卸載的挑戰與研究方向103
6.3.1 常見術語介紹104
6.3.2 任務卸載的問題與挑戰105
6.3.3 面向延遲的智能卸載106
6.3.4 面向能耗的智能卸載107
6.3.5 面向資源的智能卸載108
6.3.6 面向安全的智能卸載108
6.3.7 基于博弈的智能卸載109
6.3.8 面向QoS和QoE的智能
卸載110
6.3.9 其他角度的智能卸載110
6.3.10 任務卸載的未來研究
方向110
本章小結111
參考文獻112
第7章 智能服務緩存與優化117
7.1 服務緩存概述117
7.1.1 服務緩存概念117
7.1.2 服務緩存機制118
7.1.3 服務緩存評價指標120
7.2 學習驅動的服務緩存121
7.2.1 面向服務提供商的協同
服務緩存121
7.2.2 面向用戶端與邊緣側的
協同服務緩存122
7.2.3 服務緩存評價指標的模
型構建124
7.3 云-邊-端融合服務緩存126
7.3.1 云-邊-端融合服務緩
存概述126
7.3.2 云-邊-端融合服務緩
存策略128
7.3.3 邊緣聯盟緩存的優勢130
7.4 服務緩存應用場景130
7.5 服務緩存策略展望與挑戰131
7.5.1 用戶移動性131
7.5.2 任務卸載協同132
7.5.3 低成本容錯部署132
7.5.4 隱私安全132
本章小結133
參考文獻133
第8章 智能數據管理135
8.1 邊緣數據管理概述135
8.2 數據隱私138
8.3 數據完整性141
8.4 分布式大數據分析143
8.4.1 數據清洗144
8.4.2 數據聚合145
8.4.3 邊緣流式計算146
本章小結148
參考文獻149
第9章 智能能量優化151
9.1 能量優化的意義151
9.2 智能能量優化的基本概念153
9.2.1 能耗指標153
9.2.2 能量資源約束下的任務
分配154
9.3 能量智能感知155
9.3.1 能耗分析155
9.3.2 能耗追蹤與預測157
9.4 多供能智能系統159
9.4.1 可持續供能系統161
9.4.2 電源供能系統162
9.4.3 能量收集系統165
本章小結167
參考文獻168
第10章 智能邊緣協同171
10.1 邊緣協同概述171
10.1.1 邊緣協同的意義172
10.1.2 邊緣協同的具體內涵173
10.2 多形態邊緣協同174
10.2.1 邊-云協同174
10.2.2 邊-邊協同175
10.2.3 用戶間協同176
10.3 邊緣協同的關鍵問題與技術177
10.3.1 邊緣協同的關鍵問題177
10.3.2 邊緣協同的關鍵技術178
10.4 邊緣協同的智能化發展180
10.5 智能邊緣協同的機遇與挑戰181
本章小結185
參考文獻185
第11章 智能邊緣安全機制187
11.1 邊緣安全的必要性與挑戰187
11.2 邊緣服務提供者的安全192
11.2.1 邊緣計算設施安全192
11.2.2 邊緣計算平臺安全196
11.2.3 邊緣計算網絡安全197
11.3 邊緣服務需求者的安全198
11.3.1 隱私保護198
11.3.2 服務安全200
11.3.3 數據安全201
11.3.4 身份認證與訪問控制201
11.4 智能邊緣安全機制案例202
11.4.1 智能電網202
11.4.2 智慧工廠204
本章小結206
參考文獻207
第12章 基于邊緣計算的Web AR
平臺實現208
12.1 概述208
12.1.1 AR與Web AR208
12.1.2 Web AR現有解決方案
與挑戰210
12.1.3 邊緣計算與Web AR211
12.2 平臺介紹212
12.2.1 硬件平臺213
12.2.2 軟件平臺214
12.3 系統實現217
12.3.1 系統的工作流程217
12.3.2 用戶層實現218
12.3.3 邊緣層實現219
12.3.4 控制器實現219
本章小結220
參考文獻220
展開全部
智能邊緣計算 節選
邊緣計算在智慧城市、工業5.0、智能交通和元宇宙等場景中展現出廣闊的應用前景。本書深入淺出地探討了邊緣計算的理論基礎、關鍵技術和實際應用，系統講解了邊緣計算中智能推理、聯邦學習、資源優化等前沿主題。對于希望在這一領域深入探索的讀者，本書是不可多得的重要參考資料。 br br —— 楊宏 國際宇航科學院院士，中國工程院院士，中國載人航天工程空間站系統總設計師 br br 智能邊緣計算作為信息技術的新興研究領域，重塑了計算架構，賦予低延遲、高效能的分布式智能以無限可能。本書從“邊緣計算”概念的起源講起，系統闡釋了其基本原理，剖析核心技術，回答了智能邊緣計算“是什么、為什么、怎么做”三大基礎問題，并提供了從理論到實踐的實現路徑。本書透過真實系統的視角，揭示了智能邊緣計算技術背后的發展邏輯，幫助讀者全面掌握關鍵原理并從中獲得實踐啟發，是探索智能邊緣計算的寶貴指南。 br br
智能邊緣計算 作者簡介
徐子川，博士、大連理工大學副教授、博士生導師，大連理工大學星海優青。徐子川博士于2015年5月從澳大利亞國立大學（Australian National University）畢業，在倫敦大學學院（University College London）從事博士后（Research Associate）工作。 徐子川博士的研究方向包括：邊緣計算中的資源優化、網絡功能虛擬化與軟件自定義網絡中的資源分配與路由、多數據中心網絡中的資源調度、大數據在多數據中心網絡中的處理等。徐子川博士在這些方向中做出了有國際影響力的成果超過60余項，在頂級會場發表了90多篇高質量的論文，例如IEEE TPDS，ACM / IEEE ToN，IEEE TMC，IEEE TC，ACM TOSN，IEEE INFOCOM，ICDCS，SECON，ACM MM，ICPP等。其中包括中國計算機協會（CCF）推薦的A、B類期刊會議20余項。其中代表性的期刊論文發表在領域內頂級期刊IEEE TPDS、ACM/IEEE ToN、IEEE TC、IEEE TWC、IEEE TMC、IEEE INFOCOM、IEEE ICDCS 等。徐子川博士參與多項國際會議組織，其中包括The 2019 IEEE International Conference on Cloud Engineering (IC2E) 的Web and Information主席，The 2017 IEEE International Conferenceon Communications (ICC) 的小組主席（Session chair）以及多個會議的技術委員會委員。徐子川博士也參與到領域內頂級期刊會議的審稿工作中，其中包括IEEE Journal on Selected Areas in Communications、IEEE Transactions on Communications、Computer Networks、IEEE Transactions on Vehicular Technology、ACM Transactions on Sensor Networks、IEEE Wireless Communications Letters、IEEE IoTJ、IEEE INFOCOM、IEEE LCN等。
書友推薦
- >
推拿
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
龍榆生：詞曲概論/大家小書
- >
二體千字文
- >
經典常談
- >
小考拉的故事-套裝共3冊
- >
我從未如此眷戀人間
- >
伯納黛特,你要去哪(2021新版)
本類暢銷
