共查询到20条相似文献,搜索用时 31 毫秒
1.
2021年12月8日,负责支持和保护数字化体验且深受全球企业信赖的解决方案提供商阿卡迈技术公司(Akamai)的研究表明,在因新冠疫情而改变的世界中,边缘计算将成为亚太地区商业技术领域的最大变化之一,并且会带来树立差异化竞争优势的巨大机会。从2022年起,全球对于消费者数字体验的重视程度将不断增加。 相似文献
2.
3.
如今,人工智能(AI)已是全球公认最具变革性的商业趋势之一。在技术领域,计算机和通信硬件飞速发展,为AI带来重大突破,而云计算、移动设备和边缘计算的发展,让AI获得前所未有的海量数据和运算能力,从而酝酿出巨大的商业变革。但AI并不是一位新客,我们为其超出预期的发展速度感到欣喜,同时,如何看待和应对AI更值得我们思考。 相似文献
4.
5.
6.
实践表明,企业在制定边缘计算存储计划时需要考虑带宽、用例和容量等关键因素.边缘计算和云计算可以并行工作,但有时它们的实现路径会有所不同.例如存储方面,将在边缘创建的大量数据直接保存到云平台中是不切实际的,因此,企业在制定边缘计算存储策略时需要考虑许多因素. 相似文献
7.
8.
移动边缘计算是近年出现的一种新型网络计算模式,它允许将具有较强计算能力和存储性能的服务器节点放置在更加靠近移动设备的网络边缘(如基站附近),让移动设备可以近距离地卸载任务到边缘设备进行处理,从而解决了传统网络由于移动设备的计算和存储能力弱且能量较有限,从而不得不耗费大量时间、能量且不安全地将任务卸载到远方的云平台进行处理的弊端。但是,如何让仅掌握局部有限信息(如邻居数量)的设备根据任务的大小和数量选择卸载任务到本地,还是在无线信道随时间变化的动态网络中选择延迟、能耗均最优的移动边缘计算服务器进行全部或部分的任务卸载,是一个多目标规划问题,求解难度较高。传统的优化技术(如凸优化等)很难获得较好的结果。而深度强化学习是一种将深度学习与强化学习相结合的新型人工智能算法技术,能够对复杂的协作、博弈等问题作出更准确的决策,在工业、农业、商业等多个领域具有广阔的应用前景。近年来,利用深度强化学习来优化移动边缘计算网络中的任务卸载成为一种新的研究趋势。最近三年来,一些研究者对其进行了初步的探索,并达到了比以往单独使用深度学习或强化学习更低的延迟和能耗,但是仍存在很多不足之处。为了进一步推进该领域的研... 相似文献
9.
边缘计算(edge computing, EC)是在靠近人、物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的新网络架构和开放平台.边缘计算将传统的集中式云计算处理的方式,改为将计算存储能力下移至网络边缘,面向用户和终端的方式,就近提供边缘智能服务.边缘计算极大地降低了由于数据回传造成的核心网和传输网的拥塞与负担,实现较低时延,带来较高带宽,同时能够快速响应用户请求并提升服务质量.当前,边缘计算已经成为未来第五代通信(5G)时代的重要使能技术,并写入第三代合作伙伴计划(3rd generation partnership project, 3GPP)标准.越来越多的运营商、设备商、芯片厂商加入建设边缘计算生态的行列,如何打造一个统一的标准化的边缘计算平台对于未来边缘生态的建设至关重要.因此,重点介绍当前边缘计算标准化的进展情况,从欧洲电信标准化协会(European Telecommunications Standards Institute, ETSI)最先提出边缘计算架构开始,到3GPP将边缘计算纳入未来5G发展的关键技术,再到中国通信标准化协会(China Communications Standards Association, CCSA)中边缘计算的立项与课题研究.每一部分的介绍均安排了大量对标准内容的分析和解释.最后介绍了近年来中国联通在边缘计算方面的研究成果.包括重要的边缘计算试点、联通未来边缘计算试点计划以及边缘计算的组网部署方案探索等内容.期望与产业界共同探讨边缘计算商业合作模式,共建网络边缘生态,全面推动5G业务的蓬勃发展. 相似文献
10.
随着网络终端的不断普及与互联网应用的快速发展,当今网络不仅要应对日益增长的传输流量,也要满足用户多样化的需求指标。云计算在诸如服务延迟与传输开销等方面难以适应趋势,边缘计算(Edge Computing)则将运算资源从云下移到了网络边缘,并通过就近处理数据的方式提升性能。作为人工智能的主要代表之一,深度学习一方面可以被集成到边缘计算的框架中以构建智能边缘,另一方面也能以服务的形式部署在边缘上从而实现边缘智能。本文从边缘计算与深度学习融合的趋势出发,介绍"边缘智能"与"智能边缘"的概念与应用场景,并说明典型的使能技术及其相互联系。 相似文献
11.
12.
由于边缘设备产生的数据具有实时感知、并行处理等开放性特征,其运行资源极易受到限制降低安全架构性能,提出一种基于区块链技术的边缘计算安全架构鲁棒性检测方法.通过分析边缘计算安全架构的运行流程与目的,计算区块链函数的奇异性和架构变换极大值,获得安全架构的运行周期,根据紧支集三次B样条构建区块链,分解临近的区块链,确定构建区块时所需要的尺寸,收集鲁棒性检测样本,最后对样本数据进行连续性的划分与离散转化,随着转化结果,初始样本会产生一种周期分散但架构紧凑的变化趋势,依靠该趋势完成边缘计算安全架构的鲁棒性检测.仿真结果表明,能够有效的完成对鲁棒性的检测,同时有着检测速度快的优点. 相似文献
13.
移动边缘计算环境下多服务器认证(MSA)允许用户在注册中心的单个注册中获取多种服务器的多个服务,以前的单服务器认证需要用户注册所有的服务器才能使用各自功能.由于注册中心需要在每个认证环节都参与认证,因此造成了不必要的通信开销.针对移动边缘计算环境下移动边缘设备的低存储和低计算能力,提出一种基于切比雪夫混沌映射技术的单次... 相似文献
14.
Itanium 2系统架构的移植和应用推广力度的不断加大,使Itanium 2的商业应用条件逐渐成熟,而且代号为Madison的第三代Itanium处理器产品也正指日可待。2003年伊始,惠普又率先吹响安腾服务器向商业应用进军的号角——召开亚太区安腾开发者论坛大会。商用时机在到来按照正常的商业技术应用程序,通常一个系统的开发需要一个周期,证明一个系统的稳健性也需要一个周期,说服用户采用这个稳健的系统进行相应应用开发更需要一个周期,这就是商业应用永远要比科学研究应用慢上几拍的原因。所以,安腾也首先选择高性能计算应用作为突破口,2002年惠普的安腾服务器一直针对高性能计算应用进行大力推广和宣 相似文献
15.
随着万物联网的趋势不断加深,智能手机、智能眼镜等端设备的数量不断增加,使数据的增长速度远远超过了网络带宽的增速;同时,增强现实、无人驾驶等众多新应用的出现对延迟提出了更高的要求.边缘计算将网络边缘上的计算、网络与存储资源组成统一的平台为用户提供服务,使数据在源头附近就能得到及时有效的处理.这种模式不同于云计算要将所有数据传输到数据中心,绕过了网络带宽与延迟的瓶颈,引起了广泛的关注.首先介绍边缘计算的概念,并给出边缘计算的定义;随后,比较了当前比较有代表性的3个边缘计算平台,并通过一些应用实例来分析边缘计算在移动应用和物联网应用上的优势;最后阐述了当前边缘计算面临的挑战. 相似文献
16.
随着物联网和移动设备性能的不断提高,一种新型计算架构——边缘计算——应运而生.边缘计算的出现改变了数据需要集中上传到云端进行处理的局面,最大化利用边缘物联网设备的计算和存储能力.边缘计算节点对本地数据进行处理,不再需要把大量的本地数据上传到云端进行处理,减少了数据传输的延时.在边缘网络设备上进行人工智能运算的需求也在逐日增大,因为联邦学习机制不需要把数据集中后进行模型训练,所以更适合于节点平均数据量有限的边缘网络机器学习的场景.针对以上挑战,提出了一种面向边缘网络计算的高效异步联邦学习机制(efficient asynchronous federated learning mechanism for edge network computing, EAFLM),根据自适应的阈值对训练过程中节点与参数服务器之间的冗余通信进行压缩.其中,双重权重修正的梯度更新算法,允许节点在学习的任何过程中加入或退出联邦学习.实验显示提出的方法将梯度通信压缩至原通信次数的8.77%时,准确率仅降低0.03%. 相似文献
17.
边缘计算技术广泛普及并与传统工业自动化技术深度融合,形成边缘控制这一新兴概念。边缘控制依托其开放架构,可与新型工业网络技术、实时虚拟化技术及跨平台编译技术等相结合,在保证实时可靠工业控制的基础上,集成一定的计算能力以满足当前工业现场的场景需求,以期对传统工业控制形成互补或部分替代。本文旨在从边缘控制的概念形成、参考架构、发展路径与趋势及热点技术等几个方面对边缘控制技术进行研讨和分析。 相似文献
18.
《软件和集成电路》2022,(5):48-51
<正>随着5G时代的到来,无论是从用户需求还是游戏市场前景的角度来看,云游戏都将成为5G在C端的一个“杀手级”应用。随着5G、IoT、AI等相关技术的演进,边缘计算越来越引人瞩目。2014年,“边缘计算”概念第一次提出,高通工程总裁KarimArabi认为,边缘计算是在云之外的、在网络边缘侧的所有计算。2015年8月,欧洲电信标准协会(ETSI)第一次提出了“移动边缘计算”(MEC)这一概念,将边缘计算从IOE的视角扩展到ICT的视角。E TSI将边缘计算定义为“为应用开发者和内容提供商提供在运营商的网络边缘侧的云计算能力和IT服务”。 相似文献
19.