智慧学习系统中的人工智能与边缘计算

作为智慧学习系统这一人工智能的代表技术,深度学习将受益于计算能力、算法和数据集的进步。而另一种技术是边缘计算技术,它是从传统的云计算技术发展而来的。因传统的云计算模型已经无法有效处理大量的计算任务,新的应用也对数据的实时处理提出了更高的要求,从而使得边缘计算应运而生。     

基于边缘计算的人脸识别视频传输系统设计

随着计算机视觉和模式识别领域的应用升级需要,动态人脸识别技术也得到了飞速发展[1]。目前视频监控领域中的人脸识别处理方法多只在设备前端做简单的识别和跟踪,大量复杂运算,包括人脸特征值的比对和大数据的处理部分都在服务端完成。对于视频监控的使用方,该方法无法在监控端实时显示人脸的识别和比对结果。针对这种需求,本文提出了一种基于边缘计算的人脸识别视频传输方案,实现视频传输的采集端和播放端对视频中人脸识别效果的同步。该方案中,终端设备的视频处理模组对视频数据同时进行视频编码和人脸识别,根据终端人脸库,提取分析人脸识别结果并记录视频中的坐标信息,并采用同步封包机制将两者融合,从而获得同时具有编码数据和人脸信息的视频数据包。通过验证系统试验证明,该方案可解决视频直播中的人脸框显示和跟踪的同步问题,并且有较高的准确性和实时性。     

基于边缘计算的三实时IA&AI架构

近年来,深度学习促进了人工智能的快速发展,并逐渐渗透到各行各业.然而人工智能训练和推理所需的大量数据传输、算力资源调用会影响到系统的实时性能,从而导致该技术在工业应用中存在困难.众所周知,实时性是工业自动化的一项指标,特别是在运动控制和自动驾驶方面更为重要.如果因人工智能而使得工业系统接收和发送数据、指令响应缓慢,那么...     

边缘计算: 万物互联时代新型计算模型

从智能手机、智能手表等小型终端智能设备,到智能家居、智能网联车等大型应用,再到智慧生活、智慧农业等,人工智能已经逐渐步入人们的生活,改变传统的生活方式. 各种各样的智能设备会产生海量的数据,传统的云计算模式已无法适应新的环境. 边缘计算在靠近数据源的边缘侧实现对数据的处理,可以有效降低数据传输时延,减轻网络传输带宽压力,提高数据隐私安全等. 在边缘计算架构上搭建人工智能模型,进行模型的训练和推理,实现边缘的智能化,对于当前社会至关重要. 由此产生的新的跨学科领域——边缘智能（edge intelligence,EI）,开始引起了广泛的关注. 全面调研了边缘智能相关研究：首先,介绍了边缘计算、人工智能的基础知识,并引出了边缘智能产生的背景、动机及挑战. 其次,分别从边缘智能所要解决的问题、边缘智能模型研究以及边缘智能算法优化3个角度对边缘智能相关技术研究展开讨论. 然后,介绍边缘智能中典型的安全问题. 最后,从智慧工业、智慧生活及智慧农业3个层面阐述其应用,并展望了边缘智能未来的发展方向和前景.

     

基于边缘计算DDS动态域标识近距轮询网络应用研究

智能汽车、无人机或工业智能化生产线,在边缘计算提供的共享式传感网和共享式算力资源帮助下,能够有效降低成本,扩大感知范围。传统的通信网络虽然实现了全球统一的广域连接,但在动态更新局部域通信过程中,远距离的传感器对于受控对象所处空间控制的意义并不大。为了提高区域通信的实时响应,通信网络需要随着汽车、无人机或生产线物流的空间位置变化进行动态局部组网。基于此,本文介绍了一种新型的边缘计算分布式通信网络,提出了动态更新域标识架构,该架构内的各终端节点根据空间所处位置自动地构造局域通信簇,并基于该簇进行动态轮询访问。该方法能够实现近距共享传感器和人工智能算力,降低了单机智能化成本,对于人工智能项目落地和技术推广具有一定的促进意义。     

基于边缘计算的舰炮故障预测系统设计

针对舰炮系统在任务执行过程中出现性能退化甚至故障,严重制约装备效能发挥,对维修保障带来极大困难的问题,提出并设计了一种基于边缘计算的舰炮故障预测系统。其在Compact RIO数据采集平台的基础上,以Labview为软件开发环境搭建而成,通过系统引入边缘计算技术架构,在Compact RIO完成数据处理,将数据处理结果上传至上位机,减少了数据传输量,降低了网络带宽的要求,有利于监测系统的集成。该系统设计可以实现舰炮系统状态信号的实时采集、传输、存储、状态监测与故障预测,减少舰炮系统计划外维修次数,降低检维修成本等,显著提高舰炮系统的自主式维修保障能力。     

软计算与人工智能

软计算是一个新的发展方向。它为人工智能学科今后的发展开辟了许多新的发展思路,由此传统的人工智能由精确性、确定性、完整性走向了模糊性、随机性、不精确性、不完整性,人工智能演变成了计算智能。     

基于混合随机边缘计算的工控入侵检测系统设计

针对传统工控入侵检测系统缺少对边缘入侵信号段的研究,无法及时检测到边缘入侵行为,导致系统入侵潜伏期过长、威胁工控系统网络安全的问题,提出了基于混合随机边缘计算的工控入侵检测系统设计;使用中央服务器处理并发送告警信息,形成统一的告警日志;选择JY211-QTQ-04型号光缆探测器,实时显示信号强度;通过高速网络I/O架构Netmap网络流量采集器采集流量信息,再由TCP/IP协议下的数据预处理器处理数据,利用入侵检测引擎检测入侵行为;构建入侵检测动态模型,结合混合随机边缘算法,确定待检测段的最高能量和信噪比,通过检测到的入侵信号段,判断入侵行为;由实验结果可知,该系统在异常入侵情况下,能够及时发现入侵行为,在入侵时间为7 s时,潜伏期达到最长为2.4 s,与实际入侵后潜伏期变化一致,能够精准检测工控入侵行为。     

基于边缘计算的工业数据采集

文章提出基于边缘计算采集工业生产数据的方法:通过采用蜂窝网络对生产装备进行网络化改造;通过边缘网关对采集到的生产数据进行解析、封装和本地处理;通过边缘云对数据进行分流,即将时延敏感数据和原始数据保存在边缘云上,将非时间敏感数据(如历史数据等)存储在中心云上。     

基于边缘计算的多维感知智能物联网系统设计

本设计选取ATmega328 MCU循环调用多个传感器实现多维感知;以ARM架构处理器为核心搭建Web服务器,设计数据处理与控制模块;利用WiFi与有线网实现数据的传输与外部终端访问.实测结果表明,该系统实现了对系统周围多维物理量的感知测量,具有长时间稳定运行能力,物联网数据传输时延低.     

基于计算思维培养的人工智能教学探究

人工智能教育的核心在于培养学生的编程兴趣,提高学生动手实践能力、利用人工智能的思想分析解决问题的能力,确切地说,是培养学生的计算思维。本文结合实例,详细阐述了在人工智能课堂教学中培养计算思维的具体做法,希望能为人工智能课程教学提供一定的参考。     

基于边缘计算的作物病虫害监测嵌入式系统设计

现有农作物监测大多采用大面积、分布式的设备来完成.不仅维护成本高昂,难管理,而且对于许多中小型农户是无法从智慧农业中受惠.综合考虑各区域种植条件的不同,设计提出一种基于边缘计算的轻量化嵌入式监测系统,通过搭建神经网络,配合作物数据处理算法并部署在嵌入式设备上,与无人机协同完成对作物的检测.经过实验验证,该系统具有低功耗、轻量化、低成本、检测范围广的优势,病虫害模型精度在92％及以上,能有效解决国内外农作物病虫害及生长环境参数的精细化监测问题.     

基于轻量级边缘计算架构研究

本文以边缘计算架构概念入手,分析了边缘计算架构及其相关概念,研究了边缘计算参考架构的发展变化,并结合野外环境应用特点,给出了轻量级边缘计算平台架构和组成。     

安富利：边缘人工智能将加速物联网落地

随着部署的IoT设备增加,对于有边缘计算能力且包含人工智能的解决方案的需求呈指数增长。边缘计算能够在本地处理AI算法和机器学习,并且没有云端计算固有的延迟问题,将能提供更有效推动运营及提升生产力的见解。     

基于综合信任的边缘计算资源协同研究

边缘计算旨在共享利用边缘设备的计算、通信资源,满足人们对服务的实时响应、隐私与安全、计算自主性等需求,随物联网的发展将有广阔应用前景.调研了边缘计算的特征、基本概念和定义、最新研究进展以及边缘计算研究的挑战与发展趋势.基于边缘计算的核心挑战之一——隐私信任与安全保障问题,针对用户应用需求特征,充分考虑用户体验质量(QoE)来优化边缘计算系统.通过集成用户和资源的身份信任、行为信任、能力信任3个方面为综合信任度,利用信任评估保障对边缘计算资源管理与协同优化.针对终端的动态性、边缘设施能力受限、边缘与终端的邻近性、云中心功能强和距离远的特征,融合云计算、P2P计算、CS与网格计算模式,构建多层自适应的统一计算模型,实现对应用场景动态匹配;研究以用户体验质量为目标的综合资源用户信任评估体系与模型,实现资源QoS向QoE的指标映射,构建资源和用户的身份信任、行为信任评价机制,形成综合信任评估体系与模型;根据应用需求,研究面向计算能力、移动性与可用服务时间、剩余能量、带宽等多重约束的边缘计算的任务卸载、资源调度算法和优化方案,实现资源在终端、边缘、云中心3层级可信共享和优化利用,更好满足用户QoE需求.最后通过流计算任务分配的边缘计算场景验证了模型框架的有效性.     

边缘计算节点共享技术实现方法的研究

随着5G网络的规模商用,5G边缘云已成为垂直行业数字化转型的关键算力基础设施之一。边缘计算节点共享不仅支持电信运营商统一纳管边缘计算节点,还支持联合其他电信运营商或者公有云厂商一起打造公共边缘云。针对5G网络共建共享场景,本文提出了一种边缘计算节点共建共享的方法,支持一个边缘计算系统接入不同的电信运营商的业务系统,实现了边缘计算资源的共享。     

车载边缘计算中基于深度强化学习的协同计算卸载方案

车载边缘计算(Vehicular Edge Computing,VEC)是一种可实现车联网低时延和高可靠性的关键技术,用户将计算任务卸载到移动边缘计算(Mobile Edge Computing,MEC)服务器上,不仅可以解决车载终端计算能力不足的问题,而且可以减少能耗,降低车联网通信服务的时延.然而,高速公路场景下车...     

基于TPU和FPGA的深度学习边缘计算平台的设计与实现

针对深度神经网络为了追求准确度对计算资源造成的巨大消耗,与边缘计算平台所处的受限环境之间的矛盾,探究利用FPGA逻辑资源搭建神经网络张量处理器(TPU),通过配合ARM CPU实现全新的边缘计算架构,不仅实现对深度神经网络模型的加速计算以及准确度的提升,还对功耗进行明显优化.该架构下,压缩后的MobileNet-V1网...     

边缘计算:新型计算范式综述与应用研究

科学技术的快速发展,使万物互联设想不再仅仅停留在人们的概念中。随着接入无线网的智能设备数量的快速增长,边缘数据量已达到ZB级别,给核心网络带宽造成巨大压力;与此同时,无人驾驶、位置识别、增强现实、虚拟现实等众多新兴应用的出现对网络延迟、抖动、数据安全等提出了更高的要求。传统云计算在以上方面表现乏力,于是边缘计算(EC)应运而生。边缘计算能够在网络的边缘提供轻量级的云计算和存储能力。对边缘计算的最新研究成果和应用进行了详尽的回顾。首先综述边缘计算和云计算的概念并对比分析边缘计算的优势,指出边缘计算发展的必然性和时代趋势;然后针对典型边缘计算架构和平台进行了全面的综述,并讨论了网络性能优化、视频缓存、购物车视图刷新和网络视频直播等边缘计算中的典型应用案例。最后,从边缘计算服务管理、应用移动性管理、计算资源管理、数据管理等四方面,展望了边缘计算的开放式研究挑战和未来的发展趋势,希望能给从事边缘计算的科研工作者带来启发。