MMMay, 2023

VEDLIoT-- 下一代加速 AIoT 系统和应用

PDF
TL;DRVEDLIoT 项目旨在针对人工智能物联网应用开发节能的深度学习技术。其提出了一种以模块化为基础、具有高可伸缩性的认知物联网硬件平台，使用异构计算提高性能和能源效率并整合全谱的硬件加速器。
发现论文，激发创造
  • 跨层优化实现资源高效 AIoT 系统：综述

    人工智能物联网（AIoT，AI+IoT）领域是由智能基础设施的广泛使用和深度学习（DL）的显著成功推动的。本研究通过优化资源友好型的深度学习模型以及模型自适应系统调度，来改善 DL 模型的准确性和响应性，推动由单独级别设置的性能边界。此外，针对 AIoT 环境的动态特性，本文还探索了适用于不同级别的上下文感知控制器，实现自动跨级别适应，并提出了资源高效的 AIoT 系统的一些潜在方向。

    Sep, 2023

  • 物联网智能化发展的进展、挑战和机遇概述

    本篇综述介绍了人工智能赋能物联网的全景，在云计算、雾计算和边缘计算三个方面，介绍了 AIoT 的体系结构，然后从感知、学习、推理和行为四个角度阐述了 AI 在物联网领域中的研究进展，最后概括了一些有前景的 AIoT 应用，并强调了 AIoT 面临的挑战和潜在的研究机会。

    Nov, 2020

  • 智能物联网环境中的学习、计算与可信度：性能 - 能耗平衡

    该论文提供了智能物联网环境（iIoTe）的能效技术和性能的最新综述，并着重研究了资源、延迟、隐私和能源消耗之间的权衡，并提供了将这些技术集成到能效 iIoTe 中的愿景和解决开放性研究挑战的路线图。

    Oct, 2021

  • 物联网应用的普适型人工智能：资源高效分布式人工智能综述

    本文综述了面向普适 AI 系统中资源调度的挑战，重点概述了分布式推断、训练和在线学习任务中的通信高效技术。

    May, 2021

  • 异构低功耗 SoC 的机器学习本地评估工具包

    本文介绍了一种名为 U-TOE 的通用工具包，它结合了低功耗嵌入式操作系统、通用模型转换器和编译器、集成性能测量模块以及开放访问的远程 IoT 测试平台的功能，旨在为 AIoT 设计师和研究人员提供便利，加速边缘计算的发展。

    Jun, 2023

  • 未来产业中的工业物联网联邦学习

    此文总结讨论了联邦学习在工业物联网应用中的不同场景和可行性，并提出了需要进一步研究的问题和方向。

    May, 2021

  • 边缘人工智能

    本文探讨了物联网、边缘计算、5G 移动通信、人工智能 / 机器学习等技术在支持实时应用和满足复杂多样化的应用需求方面的潜力和挑战。

    Dec, 2020

  • 隐式群体推荐的安全人工智能物联网

    提出了一种基于安全 IoT 结构和协同贝叶斯网络模型的人群推荐算法 SAIoT-GR，旨在解决现有数据安全性和反馈偏差难题。通过大量实验，该算法表现出高效性和稳健性。

    Apr, 2021

  • 物联网联邦学习综述

    本研究是一项关于边缘设备上联合学习技术在物联网（IoT）应用中的综合调研，探索并分析 FL 在 IoT 数据共享、攻击检测、安全、智慧医疗，智能交通，无人机，智慧城市，智慧工业等应用领域中的潜力，并总结了可借鉴的经验教训和当前的挑战与未来研究方向。

    Apr, 2021

  • FedAIoT: 人工智能物联网的联邦学习基准

    FedAIoT 是一个用于 AIoT 的 FL 基准测试，包括来自广泛的 IoT 设备的八个数据集，以及简化了数据集性能基准测试的统一端到端 FL 框架。

    Sep, 2023