机构名称：
¥ 2.0
摘要：随着人工智能（AI）技术的成熟度，AI在边缘计算中的应用将大大促进工业技术的发展。但是，关于工业互联网（IIOT）的边缘计算框架的现有研究仍然面临着几个挑战，例如深层硬件和软件耦合，多样的协议，AI模型的困难部署，边缘设备的计算能力不足以及敏感性以及延迟和能源消耗的敏感性。为解决上述问题，本文提出了一个软件定义的面向AI的三层IIOT IIOT EDGE计算框架，并介绍了面向AI的Edge Computing System的设计和实施，旨在支持设备访问，使设备访问能够访问和部署AI，从云中进行AI，并允许整个模型从数据驱动到模型培训以完成模型培训以完成Edge的模型。此外，本文提出了一种基于时间序列的方法，用于在联合学习过程中卸载设备选择和卸载，该方法将低效节点的任务有选择地卸载到边缘计算中心，以减少训练延迟和能源消耗。最后，进行了实验以验证所提出方法的可行性和有效性。使用该方法的模型训练时间通常比随机设备选择方法低30％至50％，而在拟议方法下的训练能量消耗通常少35％至55％。
IIOT
主要关键词
相关文件推荐
