机构名称：
¥ 4.0
在设备上使用机器学习模型的主要范例是在云端训练模型，然后在设备上使用训练好的模型进行推理。然而，随着智能设备数量的增加和硬件的改进，人们对在设备上进行模型训练产生了兴趣。鉴于这种兴趣的激增，从设备无关的角度对该领域进行全面调查为了解最新技术以及确定开放的挑战和未来的研究途径奠定了基础。然而，设备上学习是一个广阔的领域，与人工智能和机器学习中的大量相关主题有关（包括在线学习、模型自适应、一次性/少量学习等）。因此，在一次调查中涵盖如此多的主题是不切实际的。这项调查通过将设备上学习的问题重新表述为资源受限的学习（其中资源是计算和内存）找到了一个中间立场。这种重新表述允许公平地比较来自各种研究领域的工具、技术和算法。除了总结最新进展之外，该调查还确定了设备学习在算法和理论方面的许多挑战和后续步骤。
设备上的机器学习：算法和学习理论视角
主要关键词
相关文件推荐
