基于边缘学习和联邦学习的新冠肺炎(COVID-19)高校防控管理模型研究 被引量：8

1

作者 徐萍 何家俊 岳小尧 《当代教育论坛》 北大核心 2020年第2期76-82,共7页

作为新冠肺炎疫情所有信息的重要入口,互联网成为这次疫情主要的“信息源”平台。在这场疫情阻击战中,能否以计算机技术为依托,融合多种算法深度挖掘和实时跟踪全网数据,从高校管理侧打造防疫战线,发挥计算机技术战“疫”价值?本文运用... 作为新冠肺炎疫情所有信息的重要入口,互联网成为这次疫情主要的“信息源”平台。在这场疫情阻击战中,能否以计算机技术为依托,融合多种算法深度挖掘和实时跟踪全网数据,从高校管理侧打造防疫战线,发挥计算机技术战“疫”价值?本文运用了边缘学习和联邦学习两项计算机技术,设计出一个针对高校新冠肺炎疫情防控的管理模型。通过边缘计算能够迅速得出分析结果,从而精准实施新冠肺炎防控措施。通过联邦计算可以在保证每位师生的信息安全前提下,快速分析高校所收集的师生数据,从而及时安排相应的防疫措施,避免新冠肺炎疫情进一步扩散。 展开更多

关键词 边缘学习 联邦学习 机器学习 新冠肺炎 高校防控管理模型

下载PDF 职称材料

基于三路径网络的医学图像分割方法 被引量：1

2

作者 蒋清婷 叶海良 曹飞龙 《模式识别与人工智能》 EI CSCD 北大核心 2024年第1期1-12,共12页

卷积神经网络由于强大的特征提取能力在医学图像分割任务上取得一定进展,但仍需提升边缘分割的准确性.为此,文中提出基于边缘选择图推理的三路径网络,包括目标定位路径、边缘选择路径和细化路径.在目标定位路径中,设计多尺度特征融合模... 卷积神经网络由于强大的特征提取能力在医学图像分割任务上取得一定进展,但仍需提升边缘分割的准确性.为此,文中提出基于边缘选择图推理的三路径网络,包括目标定位路径、边缘选择路径和细化路径.在目标定位路径中,设计多尺度特征融合模块,聚合高级特征,实现病变区域的定位.在边缘选择路径中,构造边缘选择图推理模块,用于低级特征的边缘筛选,并进行图推理,保证病变区域的边缘形状.在细化路径中,建立渐进式组级细化模块,逐步细化不同尺度特征的结构信息与细节信息.此外,引入融合加权Focal Tversky损失和加权交并比损失的复合损失,减轻类不平衡的影响.在公开数据集上的实验表明,文中方法性能较优. 展开更多

关键词 图神经网络 医学图像分割 深度学习 边缘学习

下载PDF 职称材料

边缘学习:隐私计算架构、技术现状与展望

3

作者 沈晴霓 《自动化博览》 2023年第2期19-24,共6页

边缘学习旨在实现云-边-端协同的机器学习模型训练和预测,天然具有一定隐私保护能力。但是,边缘学习过程面临新的安全与隐私泄露风险。为此,本文从边缘学习的概念出发,重点围绕边缘学习安全与隐私泄露风险及其隐私计算架构、关键技术、... 边缘学习旨在实现云-边-端协同的机器学习模型训练和预测,天然具有一定隐私保护能力。但是,边缘学习过程面临新的安全与隐私泄露风险。为此,本文从边缘学习的概念出发,重点围绕边缘学习安全与隐私泄露风险及其隐私计算架构、关键技术、未来方向展开论述。 展开更多

关键词 边缘学习 隐私计算 联邦学习 安全多方计算 可信执行环境

下载PDF 职称材料

边缘学习:关键技术、应用与挑战 被引量：3

4

作者 吴琪 卢健圳 +3 位作者 伍沛然 王帅 陈立 夏明华 《无线电通信技术》 2020年第1期6-25,共20页

近年来,随着移动通信和人工智能技术的迅猛发展,大量智能终端已经联网并催生出海量数据。为了高效利用网络中的通信和计算资源并进一步释放人工智能的潜力,将传统基于专用数据中心的人工智能下沉到靠近用户终端的网络边缘已成为一种技... 近年来,随着移动通信和人工智能技术的迅猛发展,大量智能终端已经联网并催生出海量数据。为了高效利用网络中的通信和计算资源并进一步释放人工智能的潜力,将传统基于专用数据中心的人工智能下沉到靠近用户终端的网络边缘已成为一种技术趋势。面向这种技术发展趋势,边缘学习被认为是一种具有广泛应用前景的人工智能实施方案。但是,目前对边缘学习的研究和应用仍处于起步阶段。为了促进技术发展,对边缘学习的关键技术、典型应用以及面临的机遇和挑战进行全面分析。首先,回顾边缘学习的发展背景,并分析其在传输时延、安全与隐私、扩展性和通信开销等方面相对于传统云学习的优势;其次,详细讨论实现边缘学习的3项关键技术:①分布式模型训练,包括聚合频率、梯度压缩、点对点通信和区块链技术;②面向边缘学习的高效无线通信技术,包括空中计算、通信资源分配和信号编码;③边缘学习卸载技术,包括计算和模型卸载技术。然后,分别以一种高可靠低时延车联网通信和一种基于计算与通信联合设计的智能图像分类系统为例,阐述上述关键技术在实际系统中的重要作用。最后,从通信与计算的联合优化、数据安全与隐私保护以及系统的开发与部署等3个方面讨论边缘学习面临的发展机遇与挑战。通过对最新研究现状的宏观分析,该综述将为边缘学习的进一步理论研究、技术创新和系统开发提供坚实的基础。 展开更多

关键词 边缘学习 联邦学习 人工智能 深度学习 卸载技术

下载PDF 职称材料

基于博弈优化边缘学习的物联网入侵检测研究 被引量：3

5

作者 梁浩然 伍军 +1 位作者 赵程程 李建华 《物联网学报》 2021年第2期37-47,共11页

随着5G的商用和6G开始布局,海量物联网设备正在加速接入互联网,为新一代信息物理融合系统提供决策数据。物联网设备的高度异构及分布式特性使得物联网面临复杂威胁,这些威胁可使信息物理融合系统的关键决策失效。传统技术难以在保护节... 随着5G的商用和6G开始布局,海量物联网设备正在加速接入互联网,为新一代信息物理融合系统提供决策数据。物联网设备的高度异构及分布式特性使得物联网面临复杂威胁,这些威胁可使信息物理融合系统的关键决策失效。传统技术难以在保护节点隐私的前提下进行入侵检测且容易形成单点故障,同时缺乏协同入侵检测激励机制。因此,基于博弈优化边缘学习,研究了面向物联网的入侵检测系统。基于联邦学习在网络边缘构建了分布式隐私保护物联网入侵检测框架。在此基础上,基于多主多从博弈优化边缘学习过程,激励可信的入侵检测服务器及边缘设备参与边缘联邦学习。仿真实验证明了所提出的联网入侵检测系统的安全性和有效性。 展开更多

关键词 物联网 边缘学习 博弈论 入侵检测

下载PDF 职称材料

面向星地协同网络的联邦边缘学习方法研究

6

作者 张雅童 张保庆 +1 位作者 孟维晓 陈舒怡 《移动通信》 2024年第1期40-46,共7页

目前地面蜂窝网络无法实现全球广域覆盖,同时抗毁性不高。低轨卫星网络的加入,弥补了地面蜂窝网络的不足。二者协同成为星地协同网络后可以打破两种网络之间互相独立的现状并结合它们的优点,是未来的发展趋势。在对星地协同网络中海量... 目前地面蜂窝网络无法实现全球广域覆盖,同时抗毁性不高。低轨卫星网络的加入,弥补了地面蜂窝网络的不足。二者协同成为星地协同网络后可以打破两种网络之间互相独立的现状并结合它们的优点,是未来的发展趋势。在对星地协同网络中海量设备产生的大量数据进行分析处理时,易出现隐私信息泄露和数据孤岛问题。为解决上述问题,提出一种包含分层聚合和用户关联策略的联邦边缘学习算法。该算法通过分层聚合来适配星地协同网络,并通过用户关联策略实现时延和模型精度的联合优化。仿真表明,所提出的算法可以使协同网络中进行联邦边缘学习的全过程时延较低,同时可以得到较高的模型测试精度。 展开更多

关键词 星地协同网络 联邦学习 边缘计算 联邦边缘学习

下载PDF 职称材料

联合双维度用户调度的自适应联邦边缘学习

7

作者 张九川 潘春雨 +2 位作者 周天依 李学华 丁勇 《计算机工程与应用》 CSCD 北大核心 2024年第4期153-162,共10页

联邦边缘学习无需传输本地数据,在保护用户隐私的基础上,大大降低了上行链路压力。联邦边缘学习通过智能边缘设备,利用本地数据集训练局部模型后上传模型参数至中心服务器;中心服务器聚合本地上传的局部模型参数形成全局模型后进行更新... 联邦边缘学习无需传输本地数据,在保护用户隐私的基础上,大大降低了上行链路压力。联邦边缘学习通过智能边缘设备,利用本地数据集训练局部模型后上传模型参数至中心服务器;中心服务器聚合本地上传的局部模型参数形成全局模型后进行更新,然后将更新后的模型下发给智能边缘设备开始新一轮迭代。但是局部模型精度以及局部模型训练时间,对全局模型聚合以及模型更新过程会产生重大影响。因此提出自适应动态批量梯度下降策略,在局部模型训练过程中自动调整梯度下降抽取的批量大小,优化联邦学习的局部模型精度及收敛速度。针对用户数据的非独立同分布特性,设计一种联合双维度用户调度策略的自适应动态批量梯度下降算法,通过收敛时间和数据多样性进行双维度约束。经MNIST数据集、fashion MNIST数据集和CIFAR-10数据集的训练测试,算法在有效降低聚合等待时间的同时能够进一步提高全局模型精度和收敛速度。与固定批量为64、128、256的梯度下降算法相比,该算法的全局模型精度在运行100 s时提升分别为32.4%、45.2%、87.5%。 展开更多

关键词 联邦边缘学习 批量梯度下降 用户调度 非独立同分布数据

下载PDF 职称材料

智能反射面赋能的联邦边缘学习及其在车联网中的应用

8

作者 王平 杨志伟 李贺举 《通信学报》 EI CSCD 北大核心 2023年第10期46-57,共12页

针对无线链路和数据分布的异构性导致在FEEL训练中很难实现无线通信和模型精度的最佳权衡的问题,提出了一种智能反射面(RIS)赋能的空中联邦边缘学习系统,其利用智能反射面的信道可重构性自适应地配置信号传播环境,并利用空中计算实现联... 针对无线链路和数据分布的异构性导致在FEEL训练中很难实现无线通信和模型精度的最佳权衡的问题,提出了一种智能反射面(RIS)赋能的空中联邦边缘学习系统,其利用智能反射面的信道可重构性自适应地配置信号传播环境,并利用空中计算实现联邦边缘学习模型的快速聚合。具体来说,首先刻画无线信道和数据异构影响下的联邦优化算法收敛行为,并以此构造统一的无线资源优化问题,通过联合设计收发端波束成形方案和RIS相移来优化学习性能。仿真结果验证了所提方案的有效性,并证明RIS可以在数据异构前提下提高空中联邦边缘学习系统准确性。最后,探讨了其在车联网中应用的可能性。 展开更多

关键词 联邦边缘学习 数据异构 智能反射面 空中计算 收敛分析 车联网

下载PDF 职称材料

面向高效通信边缘学习网络的通信计算一体化设计 被引量：3

9

作者 朱光旭 李航 《中兴通讯技术》 2020年第4期23-30,共8页

面向边缘学习网络,探讨了一种新型的基于空中计算的模型聚合方案,并对其中的关键使能技术展开论述。该方案利用无线多址信道的波形叠加特性将通信与计算在空中无缝融合,能够突破现有的通信-计算分离设计框架的局限性,从而大大提高频谱... 面向边缘学习网络,探讨了一种新型的基于空中计算的模型聚合方案,并对其中的关键使能技术展开论述。该方案利用无线多址信道的波形叠加特性将通信与计算在空中无缝融合,能够突破现有的通信-计算分离设计框架的局限性,从而大大提高频谱利用率,缓解了制约联邦式边缘学习大规模扩展的通信时延问题。 展开更多

关键词 边缘智能 联邦式边缘学习 计算 多址接入

下载PDF 职称材料

6G联邦边缘学习新范式:基于任务导向的资源管理策略 被引量：3

10

作者 王志勤 江甲沫 +5 位作者 刘沛西 曹晓雯 李阳 韩凯峰 杜滢 朱光旭 《通信学报》 EI CSCD 北大核心 2022年第6期16-27,共12页

综述了面向6G的联邦边缘学习技术,能够充分利用分布在网络边缘的丰富数据使之服务于人工智能模型训练,以联邦边缘学习为代表的边缘智能技术应运而生,其中无线资源管理策略将以最优化任务学习性能为导向,例如优化模型训练时间、学习收敛... 综述了面向6G的联邦边缘学习技术,能够充分利用分布在网络边缘的丰富数据使之服务于人工智能模型训练,以联邦边缘学习为代表的边缘智能技术应运而生,其中无线资源管理策略将以最优化任务学习性能为导向,例如优化模型训练时间、学习收敛性等,从而实现从通信导向到任务导向的设计范式变革。首先,概述了联邦边缘学习基本概念、典型应用场景及其在无线资源管理中的关键问题。然后,以联邦边缘学习中带宽资源分配和用户调度策略为典型的资源管理案例,深入阐述了基于任务导向的设计范式思想。最后,对联邦边缘学习的未来潜在研究方向进行了展望,包括与无线空中计算、通信感知一体化等全新技术的融合赋能。 展开更多

关键词 6G智能网络 任务导向的联邦边缘学习 资源管理策略 用户调度策略

下载PDF 职称材料

基于边缘学习的低分辨率图像识别算法 被引量：3

11

作者 刘颖 刘玉霞 毕萍 《计算机应用》 CSCD 北大核心 2020年第7期2046-2052,共7页

由于受光照条件、拍摄角度、传输设备以及周围环境的影响,刑侦视频图像中的目标物体往往分辨率较低,难以识别。针对低分辨率图像识别问题,在经典LeNet-5识别网络的基础上,提出了一种基于边缘学习的低分辨率图像识别算法。首先由边缘生... 由于受光照条件、拍摄角度、传输设备以及周围环境的影响,刑侦视频图像中的目标物体往往分辨率较低,难以识别。针对低分辨率图像识别问题,在经典LeNet-5识别网络的基础上,提出了一种基于边缘学习的低分辨率图像识别算法。首先由边缘生成对抗网络生成低分辨率图像的幻想边缘,该边缘与高分辨率图像边缘相近;再将该低分辨图像的生成边缘信息作为先验信息融合到识别网络中对低分辨率图像进行识别。在MNIST、EMNIST和Fashion-mnist三个数据集上分别进行实验,结果表明,将低分辨图像的幻想边缘信息融合到识别网络中可以提高低分辨率图像的识别率。 展开更多

关键词 图像识别 低分辨率图像 对抗性边缘学习 生成对抗网络 LeNet-5识别网络

下载PDF 职称材料

联邦边缘学习的低功耗带宽分配与用户调度

12

作者 周天依 潘春雨 +1 位作者 郑镛 李学华 《北京信息科技大学学报（自然科学版）》 2022年第1期27-33,共7页

为了降低联邦边缘学习(federated edge learning, FEL)能耗,提出了应用于多服务器边缘蜂窝网络的联合资源优化分配策略,包含低功耗带宽分配(bandwidth allocation, BA)策略以及智能边缘用户调度机制。低功耗BA理论推导结果表明,为了实... 为了降低联邦边缘学习(federated edge learning, FEL)能耗,提出了应用于多服务器边缘蜂窝网络的联合资源优化分配策略,包含低功耗带宽分配(bandwidth allocation, BA)策略以及智能边缘用户调度机制。低功耗BA理论推导结果表明,为了实现在约束时间内的能耗最小化,应为计算能力较弱、信道条件较差的设备分配更大带宽。进一步,在本地边缘设备数据量差异较大和数据量近似两种情景下,模拟了智能边缘用户调度机制,并提出了时间平均筛选和时间峰值筛选两种优化策略。仿真结果表明,与参考算法相比,采用低功耗BA策略,传输功率最大可以降低43.5%,传输能耗最大降低17.7%;采用优化的用户调度策略可以进一步提升系统性能,其中,设备传输功率最大降低了56.5%,设备传输能耗最大降低了22%。 展开更多

关键词 联邦边缘学习 低功耗 联合资源优化 带宽分配 用户调度

下载PDF 职称材料

基于多通道的边学习图卷积网络 被引量：2

13

作者 杨帅 王瑞琴 马辉 《电信科学》 2022年第9期95-104,共10页

通常图的边包含了图的重要信息,然而目前大多数用于图学习的深度学习模型(如图卷积网络(graph convolutional network,GCN)和图注意力网络(graph attention network,GAT))没有充分利用多维边特征的特性;另一个问题是图中可能存在噪声,... 通常图的边包含了图的重要信息,然而目前大多数用于图学习的深度学习模型(如图卷积网络(graph convolutional network,GCN)和图注意力网络(graph attention network,GAT))没有充分利用多维边特征的特性;另一个问题是图中可能存在噪声,影响图学习的性能。使用多层感知机对图数据进行去噪优化处理,在GCN的基础上引入了多通道学习边特征的方法,对图的多维边属性进行编码,按原始图所包含的属性分别建模为多通道,每个通道对应一种边特征属性对图节点进行约束训练,可以让算法更合理地学习图中多维边特征,在Cora、Tox21、Freesolv等数据集上的实验证明了去噪方法与多通道方法的有效性。 展开更多

关键词 图卷积网络 边特征 图去噪 多通道 边学习

下载PDF 职称材料

国产深度学习推理框架嵌入式适用性研究 被引量：1

14

作者 王琳博 白林亭 文鹏程 《航空计算技术》 2023年第3期121-125,共5页

随着端侧AI应用的不断丰富及深度学习技术的不断渗入,端侧深度学习模型部署需求日益增长。各机构研发出不同的AI推理框架来实现深度学习模型部署的高性能全景统一目标,通过接入多训练框架利用多硬件资源的方式来进行推理性能的加速。选... 随着端侧AI应用的不断丰富及深度学习技术的不断渗入,端侧深度学习模型部署需求日益增长。各机构研发出不同的AI推理框架来实现深度学习模型部署的高性能全景统一目标,通过接入多训练框架利用多硬件资源的方式来进行推理性能的加速。选择四个典型的国产深度学习推理框架,分别从设计原理、落地实现和特殊优化方式三个维度进行介绍与对比,并通过实验验证性能、支持精度、硬件支持这三个衡量指标对比探究四个框架是否适用于航空领域任务需求。 展开更多

关键词 航空领域任务需求 端侧深度学习模型部署 AI深度学习推理框架 高性能优化

下载PDF 职称材料

边缘大数据分析预测建模方法研究 被引量：1

15

作者 钟运琴 朱月琴 焦守涛 《高技术通讯》 CAS 2022年第10期1067-1075,共9页

随着物联网大数据分析实时性要求的提高,中心控制的云端大数据分析方法无法满足实时性和准确性要求,表现为响应延迟大、成本开销大、特定环境下的预测准确性低。本文提出了在海量实时数据如传感器数据、流数据等场景下的边缘侧大数据分... 随着物联网大数据分析实时性要求的提高,中心控制的云端大数据分析方法无法满足实时性和准确性要求,表现为响应延迟大、成本开销大、特定环境下的预测准确性低。本文提出了在海量实时数据如传感器数据、流数据等场景下的边缘侧大数据分析预测建模方法,该方法在边缘侧训练小数据样本,根据特定的应用场景多接入边缘侧进行分布式建模学习,分而治之地训练模型和推理预测分析。首先,通过将大数据分析和边缘计算相结合提出了边缘侧和云端协同的大数据分析预测建模的理论范式框架;其次,在该标准范式框架的基础上,设计了边缘侧大数据分析预测的训练算法和调优机制;最后实现了边缘侧大数据分析的训练和评估系统原型。在百个节点测试环境的实验结果表明,在实时大数据场景,同云端训练相比,本文提出的边缘侧大数据训练的性能效率平均提升了3.95倍,网络通信量减少了88.7%,边缘侧协同训练模型的预测准确率、召回率和F1值比传统训练方法可以提升3%~9%,请求预测的响应延迟降低了67.5%。本文方法可有效应用于科学计算、智能金融、自动驾驶、安防监控、数据安全、智能工厂和智慧城市等领域,具有一定的借鉴价值。 展开更多

关键词 边缘计算 大数据分析 边缘大数据 边缘机器学习 边云协同

下载PDF 职称材料

利用对抗性边缘学习模型生成超分辨率图像 被引量：4

16

作者 白明明 张运杰 张膑 《科学技术与工程》 北大核心 2021年第19期7891-7898,共8页

大部分基于卷积神经网络的图像超分辨率方法都是采用端到端的模式,这类图像超分辨率方法往往存在重构图像纹理边缘模糊、高频信息缺失的问题。为了改善该问题,在SRGAN(super-resolution generation adversarial networks)的基础上提出... 大部分基于卷积神经网络的图像超分辨率方法都是采用端到端的模式,这类图像超分辨率方法往往存在重构图像纹理边缘模糊、高频信息缺失的问题。为了改善该问题,在SRGAN(super-resolution generation adversarial networks)的基础上提出了一种基于对抗性图像边缘学习的深层网络模型,将图像边缘信息得到充分利用,来引导超分网络生成更加真实的高分辨率图像。该网络模型由两个生成对抗网络所组成,首先利用一个生成对抗网络来生成低分辨率图像所对应的高分辨率边缘特征图,然后再用高分辨率边缘特征图来约束和引导第二个生成对抗网络,使之重构出来的高分辨率图像纹理边缘更加清晰,更好地恢复图像边缘的高频细节。在Set5、Set14、BSD100、Urban100和Manga109基准测试集上的实验结果表明该算法重构出的高分辨率图像更加接近真实的图像,在峰值信噪比、结构相似度和感知指标上都有不错的表现。 展开更多

关键词 超分辨率 卷积神经网络 生成对抗网络 边缘特征学习

下载PDF 职称材料