首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   2篇
  免费   1篇
综合类   2篇
自动化技术   1篇
  2023年   1篇
  2021年   1篇
  2017年   1篇
排序方式: 共有3条查询结果,搜索用时 31 毫秒
1
1.
面向5G需求的移动边缘计算   总被引:1,自引:0,他引:1  
移动边缘计算有助于实现第五代移动通信(5G)新业务超低时延、高能效、超高可靠和超高连接密度的需求,是未来5G通信的关键技术.从细粒度任务卸载算法、高可靠任务卸载与预测算法以及服务器联合资源管理策略3个方面,介绍了现有移动边缘计算技术在面向5G业务需求的工作进展,分析了未来移动边缘计算面临的挑战,并给出了未来的研究方向和研究热点.  相似文献   
2.
在车联网场景中,智能车辆受限于自身有限的感知范围和计算资源,难以实现高可靠性的自动驾驶.针对上述问题,提出了面向车联网自动驾驶的边缘智能多源数据处理方法,通过发掘网络中节点的空闲资源,提高系统的吞吐量,利用网络中的分布式数据,提高神经网络的推断准确率.为了解决车辆节点数据传输的耦合问题,构建了3层网络模型,对网络中的数据传输进行调度,并将原车辆节点一一映射为一个虚拟节点集合,对节点的数据传输进行解耦,从而把原问题转化为最小费用最大流的问题,实现了对自动驾驶网络计算、通信资源的高效分配.仿真结果表明,相比于本地处理的方案,所提方案可提升150%的系统吞吐量和12%的系统能效.  相似文献   
3.
分割学习作为一种新型的分布式学习方法,可能受到投毒攻击的严重威胁。在分割学习中,训练场景涉及模型分割后的多端协作训练,与传统联邦学习的终端独立训练后同步模型的攻击场景不同,如何设计有效的防御方法,避免恶意客户端的集群性的投毒攻击是一大挑战。针对上述挑战,本文聚焦在分割学习中客户端投毒攻击对中间特征的影响进行相关考察;提出并实现了一种综合检测防御方法——客户端随机分组策略,通过各组学习指定标签的样本的分组策略以避免恶意客户端的集群攻击;提出了基于DBSCAN聚类算法的中间特征检测算法,用于识别投毒攻击的恶意客户端;提出了基于信任度的防御机制,对信任度低的客户端的网络进行重新初始化,以减小恶意客户端对神经网络的持续影响。实验结果表明,该方法可以降低恶意客户端对模型的影响,尤其是在对中间特征产生较大影响的投毒的防御上效果较好,为分割学习领域的安全防护提供了一种新的思路和实践方案。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号