邊緣智能

目錄
“新一代人工智能理論、技術(shù)及應(yīng)用叢書”序
序
前言
第1章 邊緣計(jì)算概述 1
1.1 邊緣計(jì)算的產(chǎn)生 1
1.2 邊緣計(jì)算的發(fā)展 2
1.3 邊緣計(jì)算的現(xiàn)狀 3
1.4 邊緣計(jì)算的趨勢(shì) 4
1.5 邊緣計(jì)算的挑戰(zhàn) 6
1.6 邊緣計(jì)算理論科學(xué)問(wèn)題初探 10
1.6.1 四個(gè)理論問(wèn)題 10
1.6.2 三層約束關(guān)系 11
1.6.3 兩項(xiàng)關(guān)鍵技術(shù) 12
1.6.4 一個(gè)共生生態(tài) 13
1.7 本章小結(jié) 14
參考文獻(xiàn) 15
第2章 人工智能基本原理 17
2.1 人工智能發(fā)展歷史和趨勢(shì) 17
2.2 人工智能和深度學(xué)習(xí) 19
2.3 深度學(xué)習(xí)中的神經(jīng)網(wǎng)絡(luò) 20
2.3.1 全連接神經(jīng)網(wǎng)絡(luò) 20
2.3.2 自動(dòng)編碼器 21
2.3.3 卷積神經(jīng)網(wǎng)絡(luò) 21
2.3.4 生成對(duì)抗網(wǎng)絡(luò) 22
2.3.5 遞歸神經(jīng)網(wǎng)絡(luò) 22
2.3.6 遷移學(xué)習(xí) 23
2.4 深度強(qiáng)化學(xué)習(xí) 24
2.4.1 強(qiáng)化學(xué)習(xí) 25
2.4.2 基于值函數(shù)的深度強(qiáng)化學(xué)習(xí) 25
2.4.3 基于策略梯度的深度強(qiáng)化學(xué)習(xí) 26
2.5 邊緣智能的挑戰(zhàn)和難點(diǎn) 26
2.6 分布式深度學(xué)習(xí)訓(xùn)練 27
2.6.1 數(shù)據(jù)并行 28
2.6.2 模型并行 28
2.7 邊緣深度學(xué)習(xí)框架 28
2.8 本章小結(jié) 30
參考文獻(xiàn) 30
第3章 邊緣計(jì)算基本原理 33
3.1 邊緣計(jì)算分類 33
3.1.1 微云和微型數(shù)據(jù)中心 34
3.1.2 霧計(jì)算 34
3.1.3 移動(dòng)(多接入)邊緣計(jì)算 35
3.1.4 邊緣計(jì)算術(shù)語(yǔ) 35
3.1.5 云-邊-端協(xié)同計(jì)算 35
3.1.6 邊緣人工智能計(jì)算設(shè)備 39
3.1.7 商用邊緣節(jié)點(diǎn) 40
3.1.8 邊緣計(jì)算框架 40
3.2 邊緣虛擬化 41
3.2.1 硬件虛擬化 42
3.2.2 網(wǎng)絡(luò)虛擬化 43
3.2.3 網(wǎng)絡(luò)切片 43
3.3 本章小結(jié) 43
參考文獻(xiàn) 44
第4章 邊緣智能應(yīng)用 47
4.1 實(shí)時(shí)視頻分析 47
4.1.1 基于機(jī)器學(xué)習(xí)的視頻分析預(yù)處理 48
4.1.2 基于云邊深度學(xué)習(xí)的視頻分析 48
4.2 自動(dòng)化車聯(lián)網(wǎng) 49
4.2.1 基于機(jī)器學(xué)習(xí)的傳感信息處理 49
4.2.2 基于深度學(xué)習(xí)的自動(dòng)化車聯(lián)網(wǎng) 50
4.3 智能制造 51
4.3.1 基于機(jī)器學(xué)習(xí)的知識(shí)庫(kù)更新 52
4.3.2 深度學(xué)習(xí)驅(qū)動(dòng)的新一代智能制造 52
4.4 智慧家居、社區(qū)與城市 53
4.4.1 基于機(jī)器學(xué)習(xí)的實(shí)時(shí)數(shù)據(jù)分析 54
4.4.2 基于深度學(xué)習(xí)的場(chǎng)景智能管控 54
4.5 本章小結(jié) 56
參考文獻(xiàn) 56
第5章 邊緣人工智能推理 58
5.1 邊緣人工智能模型優(yōu)化 58
5.1.1 模型優(yōu)化的一般方法 58
5.1.2 邊緣定制的模型優(yōu)化 59
5.2 人工智能模型分割 61
5.3 人工智能推理早退 62
5.4 人工智能計(jì)算緩存 64
5.5 本章小結(jié) 65
參考文獻(xiàn) 66
第6章 邊緣人工智能訓(xùn)練 69
6.1 邊緣分布式訓(xùn)練 70
6.2 聯(lián)邦學(xué)習(xí) 72
6.2.1 通信高效的聯(lián)邦學(xué)習(xí) 74
6.2.2 資源優(yōu)化的聯(lián)邦學(xué)習(xí) 75
6.2.3 安全強(qiáng)化的聯(lián)邦學(xué)習(xí) 77
6.3 邊緣智能訓(xùn)練實(shí)際案例 79
6.3.1 多用戶邊緣計(jì)算場(chǎng)景 79
6.3.2 系統(tǒng)建模 80
6.3.3 基于深度強(qiáng)化學(xué)習(xí)的計(jì)算任務(wù)卸載策略 81
6.3.4 分布式合作訓(xùn)練 82
6.4 本章小結(jié) 82
參考文獻(xiàn) 83
第7章 面向人工智能的邊緣計(jì)算架構(gòu) 86
7.1 智慧邊緣硬件 86
7.1.1 移動(dòng)CPU和GPU 86
7.1.2 基于FPGA的解決方案 87
7.1.3 基于TPU的解決方案 89
7.2 智慧邊緣的數(shù)據(jù)分析 90
7.2.1 邊緣數(shù)據(jù)處理的需求和挑戰(zhàn) 90
7.2.2 大數(shù)據(jù)與邊緣數(shù)據(jù)處理 91
7.2.3 邊緣數(shù)據(jù)處理體系結(jié)構(gòu) 92
7.3 邊緣智能的通信和計(jì)算方式 92
7.3.1 完全卸載 95
7.3.2 部分卸載 96
7.3.3 縱向協(xié)同 97
7.3.4 橫向協(xié)同 97
7.4 面向人工智能的邊緣定制框架 98
7.5 智能邊緣的性能評(píng)估 99
7.6 本章小結(jié) 100
參考文獻(xiàn) 100
第8章 面向優(yōu)化邊緣的人工智能算法 103
8.1 人工智能驅(qū)動(dòng)的自適應(yīng)邊緣緩存 103
8.1.1 基于深度學(xué)習(xí)的緩存策略更新 104
8.1.2 基于強(qiáng)化學(xué)習(xí)的緩存策略更新 105
8.2 人工智能驅(qū)動(dòng)的邊緣計(jì)算卸載優(yōu)化 106
8.2.1 基于深度學(xué)習(xí)的邊緣計(jì)算卸載優(yōu)化 107
8.2.2 基于強(qiáng)化學(xué)習(xí)的邊緣計(jì)算卸載優(yōu)化 108
8.3 人工智能驅(qū)動(dòng)的邊緣管理和維護(hù) 109
8.3.1 邊緣通信優(yōu)化 110
8.3.2 邊緣安全保護(hù) 111
8.3.3 邊緣聯(lián)合優(yōu)化 111
8.4 自適應(yīng)邊緣緩存實(shí)際案例 112
8.4.1 多基站邊緣緩存場(chǎng)景 113
8.4.2 多基站系統(tǒng)建模 113
8.4.3 基于加權(quán)分布式DQL的緩存替換策略 114
8.4.4 邊緣緩存案例總結(jié) 115
8.5 本章小結(jié) 115
參考文獻(xiàn) 115
第9章 邊緣智能的機(jī)遇與挑戰(zhàn) 119
9.1 邊緣智能前景 119
9.2 通用人工智能推理模型的構(gòu)建 119
9.2.1 性能指標(biāo)不明確 120
9.2.2 早退推理機(jī)制的泛化 120
9.2.3 混合模型修正 120
9.2.4 訓(xùn)練推理協(xié)調(diào) 121
9.3 完備的智能邊緣架構(gòu) 121
9.3.1 邊緣數(shù)據(jù)處理解決方案 121
9.3.2 微服務(wù)架構(gòu) 122
9.3.3 激勵(lì)和可信機(jī)制 123
9.3.4 自適應(yīng)調(diào)度機(jī)制 123
9.4 邊緣側(cè)實(shí)用訓(xùn)練原則 124
9.4.1 數(shù)據(jù)并行性與模型并行性 124
9.4.2 訓(xùn)練數(shù)據(jù)來(lái)自何處？ 125
9.4.3 異步邊緣聯(lián)邦學(xué)習(xí) 125
9.4.4 基于遷移學(xué)習(xí)的訓(xùn)練 125
9.5 智慧邊緣的實(shí)際部署和改進(jìn) 126
9.6 本章小結(jié) 127
參考文獻(xiàn) 127
第10章 鏈上邊緣智能 130
10.1 邊緣智能上“鏈” 130
10.1.1 區(qū)塊鏈簡(jiǎn)述 130
10.1.2 邊緣智能上“鏈”的迫切需求 133
10.1.3 鏈上邊緣智能體系結(jié)構(gòu) 135
10.1.4 區(qū)塊鏈共識(shí)助力邊緣智能 137
10.2 邊緣算力上“鏈” 139
10.2.1 邊緣智能的算力挑戰(zhàn) 139
10.2.2 邊緣算力需求和使用現(xiàn)狀的突出矛盾 140
10.2.3 邊緣節(jié)點(diǎn)眾籌算力網(wǎng)絡(luò)架構(gòu) 141
10.2.4 區(qū)塊鏈加持的算力變現(xiàn)價(jià)值體系 144
10.3 本章小結(jié) 149
參考文獻(xiàn) 149
第11章 邊緣智能安全 152
11.1 邊緣協(xié)同智能體系安全風(fēng)險(xiǎn)分析 152
11.1.1 邊緣智能安全管理風(fēng)險(xiǎn) 152
11.1.2 邊緣協(xié)同網(wǎng)絡(luò)融合風(fēng)險(xiǎn) 153
11.1.3 邊緣計(jì)算風(fēng)險(xiǎn) 154
11.1.4 邊緣協(xié)同智能風(fēng)險(xiǎn) 155
11.2 邊緣協(xié)同智能安全策略 156
11.2.1 管理平臺(tái)側(cè)安全策略 156
11.2.2 網(wǎng)絡(luò)融合側(cè)安全策略 156
11.2.3 邊緣計(jì)算側(cè)安全策略 157
11.2.4 邊緣協(xié)同側(cè)安全策略 158
11.3 邊緣協(xié)同智能安全解決方案 158
11.3.1 智能安全管理平臺(tái) 159
11.3.2 邊緣計(jì)算安全防護(hù)框架 160
11.3.3 邊緣協(xié)同側(cè)安全防護(hù)方案 162
11.3.4 算法安全解決方案 162
11.4 本章小結(jié) 163
參考文獻(xiàn) 164
第12章 邊緣智能與多智能體學(xué)習(xí) 166
12.1 從單體智能到多體智能 166
12.1.1 多智能體學(xué)習(xí)：概念與特征 166
12.1.2 多智能體學(xué)習(xí)的發(fā)展與分類 167
12.1.3 邊緣群智中的挑戰(zhàn)與熱點(diǎn) 168
12.2 多智能體學(xué)習(xí)賦能的網(wǎng)絡(luò)邊緣 169
12.2.1 邊緣資源管理的演進(jìn) 169
12.2.2 邊緣通信的賦能 170
12.2.3 邊緣緩存的賦能 171
12.2.4 邊緣計(jì)算的賦能 171
12.3 邊緣場(chǎng)景中的多智能體學(xué)習(xí) 172
12.3.1 邊緣環(huán)境對(duì)多智能體模型的影響 172
12.3.2 邊緣環(huán)境中多智能體模型的局限 174
12.3.3 邊緣環(huán)境內(nèi)多智能體學(xué)習(xí)的模式 174
12.3.4 邊緣環(huán)境內(nèi)多智能體知識(shí)的遷移 176
12.4 多智能體+邊緣仿真：從理論到實(shí)踐 177
12.4.1 邊緣智能仿真與框架 177
12.4.2 傳統(tǒng)多智能體方法案例 178
12.4.3 未來(lái)展望 179
12.5 本章小結(jié) 179
參考文獻(xiàn) 180
第13章 邊緣智能與未來(lái)數(shù)字平行社會(huì) 186
13.1 邊緣計(jì)算與萬(wàn)物互聯(lián) 186
13.2 萬(wàn)物賦能：邊緣協(xié)同智能與數(shù)字演進(jìn) 190
13.2.1 優(yōu)化智能應(yīng)用請(qǐng)求的響應(yīng)時(shí)延與資源供給 190
13.2.2 改進(jìn)智能應(yīng)用數(shù)據(jù)的通信傳輸與隱私保護(hù) 191
13.2.3 提升智能應(yīng)用服務(wù)的應(yīng)用拓展與部署保障 191
13.3 平行邊緣：信息創(chuàng)造價(jià)值？ 194
13.4 本章小結(jié) 197
參考文獻(xiàn) 198
第14章 邊緣智能的產(chǎn)業(yè)落地 200
14.1 邊緣智能的政策環(huán)境 200
14.1.1 政府層面的支持政策概述 200
14.1.2 成立行業(yè)組織與技術(shù)聯(lián)盟 202
14.1.3 促進(jìn)產(chǎn)研結(jié)合的研究生態(tài) 203
14.1.4 健全法律法規(guī)與監(jiān)管措施 204
14.2 邊緣智能的行業(yè)落地 204
14.2.1 市場(chǎng)布局與需求場(chǎng)景 204
14.2.2 天網(wǎng)工程與雪亮工程 205
14.2.3 智能工廠和智慧港口 206
14.2.4 面向用戶的媒體娛樂 207
14.3 邊緣智能的商業(yè)模式 208
14.3.1 B2B2C 模式 208
14.3.2 B2B 模式 209
14.3.3 業(yè)務(wù)優(yōu)化提升模式 210
14.4 產(chǎn)品化發(fā)展前景展望 211
14.5 本章小結(jié) 213
參考文獻(xiàn) 213