Jun, 2023

AiXpand 人工智能操作系统 - 分散式普及計算機機器學習操作執行引擎

PDF
TL;DR本文介绍了一种创新的低代码开发和部署方法，利用基于代币经济学的全球分散式合作社区，解决基础设施分配、成本和安全的作业分配问题，以实现端到端的智能应用管道。
ubiquitous computingartificial intelligencedeep learningdecentralizedtokenized economics
发现论文，激发创造
  • 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

  • 利用边缘到云的连续性在分散数据上实现可扩展机器学习

    本文介绍了边缘计算智能（如边缘人工智能 / 机器学习）的应用和挑战，为解决现有方法存在的采用障碍，提出了一种基于模型为中心的设计，以建立分散体系结构下的高效协作学习。

    Jun, 2023

  • 边缘计算与深度学习的融合：一项全面调查

    该论文介绍了边缘智能和智能边缘的应用场景，实现方法和相互融合的挑战和未来趋势。通过整合通信，网络和深度学习领域的信息，促进了边缘智能和智能边缘的融合。

    Jul, 2019

  • 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

  • 面向 6G 的普及型联邦学习人工智能

    本文提出了一种基于联邦学习的网络架构，旨在通过分布式人工智能解决 6G 中的一些新挑战，包括应用 AI 于无线网络的困难，以及跨异构设备实现分布式 AI 的困难。

    Apr, 2020

  • 边缘智能：通过边缘计算打通人工智能的最后一公里

    通过深度学习的突破，将计算任务和服务从网络核心推向网络边缘的边缘计算成为一种新兴范式，旨在利用边缘大数据的潜力，本文综述了最近关于边缘智能的研究进展，并讨论了未来的研究机会。

    May, 2019

  • 人工智能的系统挑战：伯克利视角

    该论文探讨了人工智能的发展带来的挑战，提出了在系统、架构和安全方面的研究方向，以解决 AI 技术存储和处理数据量的限制，并提高数据隐私保护，以便这一技术能够更好地改善人们的生活和社会。

    Dec, 2017

  • 网络边缘的机器学习调查

    本文综述了在边缘计算设备上部署机器学习系统的主要研究工作，重点关注了智能边缘系统成功应用中使用的压缩技术、工具、框架和硬件等方面的运营问题。

    Jul, 2019

  • 边缘云多用户推理编排的在线学习

    我们提出了一种基于强化学习的计算卸载解决方案，它可以在考虑首选深度学习模型选择技术的情况下学习最佳卸载策略，以最小化响应时间同时提供足够的准确性，我们的解决方案在 AWS 和 ARM 核心配置的多个实现中提供 35％的加速，并且最少仅有 0.9％的准确性降低，展示了我们在线学习框架在边缘计算及联云系统中编配深度学习推理的潜力。

    Feb, 2022

  • 走向普及的语义元宇宙：挑战、方法和机遇

    本次调查重点研究了延续现实（AR）和虚拟现实（VR）用户的无处不在的语义元宇宙的智能和时空特征，包括人工智能（AI），时空数据表示（STDR），语义物联网（SIoT）和语义增强数字孪生（SDT），并详细调查了这四个基本系统组件的代表性技术，以及典型应用案例等。未来无处不在的语义元宇宙的机会包括可扩展性和互操作性，隐私和安全，性能测量和标准化以及伦理考虑和负责任的人工智能。

    Jul, 2023