edge computing | BriefGPT - AI 论文速递

关键词edge computing

搜索结果 - 163

从云到边缘：重新思考针对低资源设计挑战的生成式人工智能
生成人工智能在设计领域展示了巨大的潜力，但由于资源需求大，通常在大型计算基础设施上进行训练并作为云服务提供。在这篇立场论文中，我们考虑了在资源受限环境中进行生成人工智能设计的潜力、挑战和有希望的方法。这需要在模型压缩、高效算法设计和可能利用
PDF4 months ago
AAAIFedLPS: 多任务异质联邦学习与本地参数共享
在本文中，我们提出了利用本地参数共享的异构联邦学习（FedLPS）来解决边缘计算环境中多任务部署和资源消耗不均匀问题，并通过模型剪枝算法和异构模型聚合算法来减少计算资源的消耗。实验证明，FedLPS 相对于现有联邦学习框架在性能上有很大的提
PDF4 months ago
基于边缘的高效模拟内存计算与不确定性量化的医学图像分割
该研究探讨了新兴的模拟内存计算（AIMC）在医疗人工智能分析中的作用，并改善边缘计算中模型的准确性。通过对比 AIMC 的效率与传统数字计算的局限性，对脑肿瘤分析、脾脏分割和核分割进行了全面评估。研究重点突出了各向同性架构的出色鲁棒性，在模
PDF5 months ago
隐私保护的进展：对推荐系统、边缘计算和云计算中隐私保护技术的回顾
数字技术的发展带来了移动众包、边缘计算和推荐系统方面的挑战和机遇。本综述聚焦于这些领域，强调在我们日益数据化的世界中对隐私保护的重要需求，并探索了这些相互关联的领域的最新趋势，特别关注隐私和数据安全。综述通过对各种学术工作的深入分析，帮助我
PDF5 months ago
Crafter：针对基于反演的深度模型身份盗窃的面部特征处理技术
通过边缘计算，在保证云端机器学习任务正常进行的同时，利用 Crafter 机制保护敏感信息，防御面向适应性模型逆推攻击，对抗对手的攻击，并有效防御一般和可能的适应性攻击，这是传统方法无法实现的。
PDF5 months ago
边缘计算中维吾尔医学知识的联合提取
利用边缘计算部署基于深度学习模型的医疗知识提取方法，通过在边缘设备上实现本地化实体和关系提取，有效保护了卫生保健服务的隐私。提出了一种名为 CoEx-Bert 的联合提取模型，利用边缘计算中两个模型之间的参数共享来共同提取实体和关系。通过考
PDF5 months ago
AAAI基于边缘计算的人机认知融合：自闭症谱系障碍治疗的医疗案例研究
该研究提出了边缘认知计算的架构，通过将人类专家和辅助机器人结合在同一框架中协作，为长期支持的孤独症患者提供帮助，实现无缝远程诊断、全天候症状监测、紧急警报、治疗调整和高级辅助。
PDF6 months ago
ZodiacEdge: 一种带有增量规则集维护的 Datalog 引擎
本文提出了一种基于分层策略的依赖超图适应方法，用于在 Datalog 推理中进行增量维护，特别适用于物联网和边缘计算的环境中，通过对智能设备的新获取知识进行推理和 Datalog 规则的更新。
PDF6 months ago
边缘计算网络中的 AI 生成内容服务的卸载与质量控制
提出了一种联合优化算法，用于解决在边缘计算范式中对 AI 生成内容模型和卸载决策的优化问题，并通过实验证明所提算法在联合优化性能上优于基准方法。
PDF7 months ago
无协调的复杂网络分散式联邦学习：克服异构性
在高度普及的边缘场景中，缺乏中央控制器和预定的设备连接导致了复杂的网络结构，我们提出了一种通信高效的分散式联邦学习（DFL）算法来解决由数据和不同训练历史引起的异构学习难题，研究结果表明，与竞争方法相比，我们的解决方案能够训练出更好的本地模
PDF7 months ago
一种用于数据驱动的电力电子系统异常检测的自校准边缘计算方法
通过利用边缘计算方法，使用自主算法来优化存储具有更大预测误差的训练样本，解决电力电子变换器可靠性的问题，并在自动感知条件监测系统中进行了实证研究，结果显示与在线训练等等效模型相比，预测准确性和训练速度都有显著改善。
PDF7 months ago
学习动态通道中的基于语义知识库指导的在线特征传输
边缘计算下的 AI 推理在边缘设备上高效进行已成为智能应用（如自动驾驶和虚拟现实 / 增强现实）所必需的。我们针对移动设备和边缘服务器之间特征传输的优化问题，提出了一种在线优化框架。通过利用语义知识库来驱动多级特征传输，考虑传输过程中的时间
PDF7 months ago
基于 LiDAR 的边缘计算智能校园室外人群管理
使用廉价的激光雷达技术和边缘计算进行校园人群管理，保护隐私，提高性能。
PDF7 months ago
Web 3.0 的区块链、人工智能和边缘计算综述
Web 3.0 通过区块链、人工智能和边缘计算等关键技术因素的深入分析，提出了一种新型的开放、去中心化、智能和互联互通网络，以解决当前面临的信任、集中化和数据所有权等问题，并通过多技术的结合和互补实现对数据和数字资产更多的控制和所有权回归用
PDF7 months ago
Bitformer: 一种基于位运算的高效 Transformer，用于低成本低精度设备上的大数据分析
Bitformer 模型是 Transformer 范式的一种创新扩展，通过使用位运算代替传统的浮点数矩阵乘法，既能够捕捉复杂的远程信息依赖关系，又能够显著减少注意力机制中的计算复杂性，从而解决边缘计算环境中对数据处理的苛刻要求。
PDF7 months ago
MergeSFL: 特征合并和批次大小调控的分割联邦学习
提出了一种新的 SFL 框架 ——MergeSFL，通过结合特征合并和批量大小调节来解决统计异质性和系统异质性带来的挑战，从而提高 SFL 的性能。在 80 个 NVIDIA Jetson 边缘设备上进行了广泛实验，实验结果显示，与基准结果
PDF7 months ago
基于神经网络的新型不平衡和非独立同分布数据的联邦学习系统
通过提出集中式的、基于神经网络的联邦学习系统，利用边缘计算减少中央服务器的负载，同时在各种数据分布设置中相对于一些现有基准算法取得令人满意的性能。
PDF7 months ago
神经科学启发的科学机器学习（第二部分）：可变脉冲小波神经运算器
我们提出了一种可变尖峰小波神经运算器 (VS-WNO)，旨在消除在力学应用中人工智能算法的理论与实际实现之间的差距。该算法基于尖峰神经网络的原理，具备节省能量的潜力，并能应对力学领域中经常遇到的回归任务。通过与使用泄漏整合和火神经元（直接和
PDF7 months ago
使用联邦学习和乐观 Rollups 的服务质量合规系统
提出了一种基于边缘计算场景的去中心化区块链联邦学习（FL）结构，利用区块链提高 FL 结构的安全性，并应用区块链创建 FL 的奖励机制以实现训练者的激励策略。
PDF7 months ago
在边缘通过分布式和迁移学习进行移动流量预测
基于边缘计算的新型预测框架使用通过大规模测量活动在边缘获取的数据集，设计了基于卷积神经网络（CNN）和循环神经网络（RNN）的两种主要深度学习架构，并在不同训练条件下进行了测试。使用知识迁移学习（KTL）技术改进模型性能并降低计算资源需求，
PDF8 months ago