本書闡述了邊緣智能的科學問題、基本原理、核心技術、落地方案及產(chǎn)業(yè)價值，全面介紹了人工智能服務應如何釋放到數(shù)據(jù)源附近的網(wǎng)絡邊緣，并指出人工智能和邊緣計算結合的巨大市場潛力。內容包括邊緣智能的發(fā)展背景、應用場景、以及一系列邊緣智能與云邊端協(xié)同、機器學習、強化學習、深度學習、區(qū)塊鏈等技術共同部署應用的核心技術點與架構方案。此外，本書進一步討論了使用邊緣計算構建更普及、更細粒度的智能所面臨的挑戰(zhàn)和未來趨勢。
更多科學出版社服務，請掃碼獲取。
邊緣計算與人工智能。springer，2020
目錄
“新一代人工智能理論、技術及應用叢書”序
序
前言
第1章 邊緣計算概述 1
1.1 邊緣計算的產(chǎn)生 1
1.2 邊緣計算的發(fā)展 2
1.3 邊緣計算的現(xiàn)狀 3
1.4 邊緣計算的趨勢 4
1.5 邊緣計算的挑戰(zhàn) 6
1.6 邊緣計算理論科學問題初探 10
1.6.1 四個理論問題 10
1.6.2 三層約束關系 11
1.6.3 兩項關鍵技術 12
1.6.4 一個共生生態(tài) 13
1.7 本章小結 14
參考文獻 15
第2章 人工智能基本原理 17
2.1 人工智能發(fā)展歷史和趨勢 17
2.2 人工智能和深度學習 19
2.3 深度學習中的神經(jīng)網(wǎng)絡 20
2.3.1 全連接神經(jīng)網(wǎng)絡 20
2.3.2 自動編碼器 21
2.3.3 卷積神經(jīng)網(wǎng)絡 21
2.3.4 生成對抗網(wǎng)絡 22
2.3.5 遞歸神經(jīng)網(wǎng)絡 22
2.3.6 遷移學習 23
2.4 深度強化學習 24
2.4.1 強化學習 25
2.4.2 基于值函數(shù)的深度強化學習 25
2.4.3 基于策略梯度的深度強化學習 26
2.5 邊緣智能的挑戰(zhàn)和難點 26
2.6 分布式深度學習訓練 27
2.6.1 數(shù)據(jù)并行 28
2.6.2 模型并行 28
2.7 邊緣深度學習框架 28
2.8 本章小結 30
參考文獻 30
第3章 邊緣計算基本原理 33
3.1 邊緣計算分類 33
3.1.1 微云和微型數(shù)據(jù)中心 34
3.1.2 霧計算 34
3.1.3 移動(多接入)邊緣計算 35
3.1.4 邊緣計算術語 35
3.1.5 云-邊-端協(xié)同計算 35
3.1.6 邊緣人工智能計算設備 39
3.1.7 商用邊緣節(jié)點 40
3.1.8 邊緣計算框架 40
3.2 邊緣虛擬化 41
3.2.1 硬件虛擬化 42
3.2.2 網(wǎng)絡虛擬化 43
3.2.3 網(wǎng)絡切片 43
3.3 本章小結 43
參考文獻 44
第4章 邊緣智能應用 47
4.1 實時視頻分析 47
4.1.1 基于機器學習的視頻分析預處理 48
4.1.2 基于云邊深度學習的視頻分析 48
4.2 自動化車聯(lián)網(wǎng) 49
4.2.1 基于機器學習的傳感信息處理 49
4.2.2 基于深度學習的自動化車聯(lián)網(wǎng) 50
4.3 智能制造 51
4.3.1 基于機器學習的知識庫更新 52
4.3.2 深度學習驅動的新一代智能制造 52
4.4 智慧家居、社區(qū)與城市 53
4.4.1 基于機器學習的實時數(shù)據(jù)分析 54
4.4.2 基于深度學習的場景智能管控 54
4.5 本章小結 56
參考文獻 56
第5章 邊緣人工智能推理 58
5.1 邊緣人工智能模型優(yōu)化 58
5.1.1 模型優(yōu)化的一般方法 58
5.1.2 邊緣定制的模型優(yōu)化 59
5.2 人工智能模型分割 61
5.3 人工智能推理早退 62
5.4 人工智能計算緩存 64
5.5 本章小結 65
參考文獻 66
第6章 邊緣人工智能訓練 69
6.1 邊緣分布式訓練 70
6.2 聯(lián)邦學習 72
6.2.1 通信高效的聯(lián)邦學習 74
6.2.2 資源優(yōu)化的聯(lián)邦學習 75
6.2.3 安全強化的聯(lián)邦學習 77
6.3 邊緣智能訓練實際案例 79
6.3.1 多用戶邊緣計算場景 79
6.3.2 系統(tǒng)建模 80
6.3.3 基于深度強化學習的計算任務卸載策略 81
6.3.4 分布式合作訓練 82
6.4 本章小結 82
參考文獻 83
第7章 面向人工智能的邊緣計算架構 86
7.1 智慧邊緣硬件 86
7.1.1 移動CPU和GPU 86
7.1.2 基于FPGA的解決方案 87
7.1.3 基于TPU的解決方案 89
7.2 智慧邊緣的數(shù)據(jù)分析 90
7.2.1 邊緣數(shù)據(jù)處理的需求和挑戰(zhàn) 90
7.2.2 大數(shù)據(jù)與邊緣數(shù)據(jù)處理 91
7.2.3 邊緣數(shù)據(jù)處理體系結構 92
7.3 邊緣智能的通信和計算方式 92
7.3.1 完全卸載 95
7.3.2 部分卸載 96
7.3.3 縱向協(xié)同 97
7.3.4 橫向協(xié)同 97
7.4 面向人工智能的邊緣定制框架 98
7.5 智能邊緣的性能評估 99
7.6 本章小結 100
參考文獻 100
第8章 面向優(yōu)化邊緣的人工智能算法 103
8.1 人工智能驅動的自適應邊緣緩存 103
8.1.1 基于深度學習的緩存策略更新 104
8.1.2 基于強化學習的緩存策略更新 105
8.2 人工智能驅動的邊緣計算卸載優(yōu)化 106
8.2.1 基于深度學習的邊緣計算卸載優(yōu)化 107
8.2.2 基于強化學習的邊緣計算卸載優(yōu)化 108
8.3 人工智能驅動的邊緣管理和維護 109
8.3.1 邊緣通信優(yōu)化 110
8.3.2 邊緣安全保護 111
8.3.3 邊緣聯(lián)合優(yōu)化 111
8.4 自適應邊緣緩存實際案例 112
8.4.1 多基站邊緣緩存場景 113
8.4.2 多基站系統(tǒng)建模 113
8.4.3 基于加權分布式DQL的緩存替換策略 114
8.4.4 邊緣緩存案例總結 115
8.5 本章小結 115
參考文獻 115
第9章 邊緣智能的機遇與挑戰(zhàn) 119
9.1 邊緣智能前景 119
9.2 通用人工智能推理模型的構建 119
9.2.1 性能指標不明確 120
9.2.2 早退推理機制的泛化 120
9.2.3 混合模型修正 120
9.2.4 訓練推理協(xié)調 121
9.3 完備的智能邊緣架構 121
9.3.1 邊緣數(shù)據(jù)處理解決方案 121
9.3.2 微服務架構 122
9.3.3 激勵和可信機制 123
9.3.4 自適應調度機制 123
9.4 邊緣側實用訓練原則 124
9.4.1 數(shù)據(jù)并行性與模型并行性 124
9.4.2 訓練數(shù)據(jù)來自何處？ 125
9.4.3 異步邊緣聯(lián)邦學習 125
9.4.4 基于遷移學習的訓練 125
9.5 智慧邊緣的實際部署和改進 126
9.6 本章小結 127
參考文獻 127
第10章 鏈上邊緣智能 130
10.1 邊緣智能上“鏈” 130
10.1.1 區(qū)塊鏈簡述 130
10.1.2 邊緣智能上“鏈”的迫切需求 133
10.1.3 鏈上邊緣智能體系結構 135
10.1.4 區(qū)塊鏈共識助力邊緣智能 137
10.2 邊緣算力上“鏈” 139
10.2.1 邊緣智能的算力挑戰(zhàn) 139
10.2.2 邊緣算力需求和使用現(xiàn)狀的突出矛盾 140
10.2.3 邊緣節(jié)點眾籌算力網(wǎng)絡架構 141
10.2.4 區(qū)塊鏈加持的算力變現(xiàn)價值體系 144
10.3 本章小結 149
參考文獻 149
第11章 邊緣智能安全 152
11.1 邊緣協(xié)同智能體系安全風險分析 152
11.1.1 邊緣智能安全管理風險 152
11.1.2 邊緣協(xié)同網(wǎng)絡融合風險 153
11.1.3 邊緣計算風險 154
11.1.4 邊緣協(xié)同智能風險 155
11.2 邊緣協(xié)同智能安全策略 156
11.2.1 管理平臺側安全策略 156
11.2.2 網(wǎng)絡融合側安全策略 156
11.2.3 邊緣計算側安全策略 157
11.2.4 邊緣協(xié)同側安全策略 158
11.3 邊緣協(xié)同智能安全解決方案 158
11.3.1 智能安全管理平臺 159
11.3.2 邊緣計算安全防護框架 160
11.3.3 邊緣協(xié)同側安全防護方案 162
11.3.4 算法安全解決方案 162
11.4 本章小結 163
參考文獻 164
第12章 邊緣智能與多智能體學習 166
12.1 從單體智能到多體智能 166
12.1.1 多智能體學習：概念與特征 166
12.1.2 多智能體學習的發(fā)展與分類 167
12.1.3 邊緣群智中的挑戰(zhàn)與熱點 168
12.2 多智能體學習賦能的網(wǎng)絡邊緣 169
12.2.1 邊緣資源管理的演進 169
12.2.2 邊緣通信的賦能 170
12.2.3 邊緣緩存的賦能 171
12.2.4 邊緣計算的賦能 171
12.3 邊緣場景中的多智能體學習 172
12.3.1 邊緣環(huán)境對多智能體模型的影響 172
12.3.2 邊緣環(huán)境中多智能體模型的局限 174
12.3.3 邊緣環(huán)境內多智能體學習的模式 174
12.3.4 邊緣環(huán)境內多智能體知識的遷移 176
12.4 多智能體+邊緣仿真：從理論到實踐 177
12.4.1 邊緣智能仿真與框架 177
12.4.2 傳統(tǒng)多智能體方法案例 178
12.4.3 未來展望 179
12.5 本章小結 179
參考文獻 180
第13章 邊緣智能與未來數(shù)字平行社會 186
13.1 邊緣計算與萬物互聯(lián) 186
13.2 萬物賦能：邊緣協(xié)同智能與數(shù)字演進 190
13.2.1 優(yōu)化智能應用請求的響應時延與資源供給 190
13.2.2 改進智能應用數(shù)據(jù)的通信傳輸與隱私保護 191
13.2.3 提升智能應用服務的應用拓展與部署保障 191
13.3 平行邊緣：信息創(chuàng)造價值？ 194
13.4 本章小結 197
參考文獻 198
第14章 邊緣智能的產(chǎn)業(yè)落地 200
14.1 邊緣智能的政策環(huán)境 200
14.1.1 政府層面的支持政策概述 200
14.1.2 成立行業(yè)組織與技術聯(lián)盟 202
14.1.3 促進產(chǎn)研結合的研究生態(tài) 203
14.1.4 健全法律法規(guī)與監(jiān)管措施 204
14.2 邊緣智能的行業(yè)落地 204
14.2.1 市場布局與需求場景 204
14.2.2 天網(wǎng)工程與雪亮工程 205
14.2.3 智能工廠和智慧港口 206
14.2.4 面向用戶的媒體娛樂 207
14.3 邊緣智能的商業(yè)模式 208
14.3.1 B2B2C 模式· 208
14.3.2 B2B 模式 209
14.3.3 業(yè)務優(yōu)化提升模式 210
14.4 產(chǎn)品化發(fā)展前景展望 211
14.5 本章小結 213
參考文獻 213
書單推薦
