【摘 要】
：
随着物联网设备迅猛激增,其收集的数据上传至云计算中心会造成网络延迟、计算资源浪费等问题.为了解决上述问题,边缘计算作为新的计算范式应运而生,但也面临用户隐私、数据安全等诸多挑战.联邦学习作为时下热点人工智能技术,可以解决隐私数据以及“数据孤岛”问题,将联邦学习应用在边缘计算领域能够有效地处理隐私数据等难题.通过大量调研,本文介绍了边缘计算场景中的联邦学习技术和训练模型,对比分析了联邦学习在边缘聚合、边缘缓存和计算卸载中的应用方案,指明现有方案存在的问题并提出解决思路,探讨了联邦学习在边缘计算中应用的未来研
【机 构】
：
华侨大学计算机科学与技术学院,福建厦门361021;华侨大学厦门市数据安全与区块链技术重点实验室,福建厦门361021;北京师范大学人工智能与未来网络研究院,广东珠海519000;北京师范大学-香港浸
论文部分内容阅读
随着物联网设备迅猛激增,其收集的数据上传至云计算中心会造成网络延迟、计算资源浪费等问题.为了解决上述问题,边缘计算作为新的计算范式应运而生,但也面临用户隐私、数据安全等诸多挑战.联邦学习作为时下热点人工智能技术,可以解决隐私数据以及“数据孤岛”问题,将联邦学习应用在边缘计算领域能够有效地处理隐私数据等难题.通过大量调研,本文介绍了边缘计算场景中的联邦学习技术和训练模型,对比分析了联邦学习在边缘聚合、边缘缓存和计算卸载中的应用方案,指明现有方案存在的问题并提出解决思路,探讨了联邦学习在边缘计算中应用的未来研究方向和挑战.
其他文献
普通摄像设备拍摄的视频帧速率有限,从而影响观众的特殊观感体验,提高视频帧速率的后处理过程是必不可少的,视频插帧就是其中关键技术之一.视频插帧是指根据两个连续视频帧合成中间帧数据,在影视作品、体育比赛精彩视频片段慢动作回放等方面有广泛的应用.基于光流的视频插帧方法能有效解决视频中场景、目标的移动估计问题,但是其受制于光流估计的速度,无法很好地应用于实时视频任务.本文提出一种新的光流预测模型,并将其用于视频插帧任务中.首先对于输入的两张连续视频帧数据进行多次信息无损的下采样,获得不同尺度的输入数据;之后通过卷
超分辨率是指将一张低分辨率图片转换成高分辨率,在军事领域、工业领域等都有着重要作用.基于生成对抗网络(GAN)的超分变率方法,主要是根据生成对抗网络原理,由生成器生成一张伪高分辨率图片,再由鉴别器计算这张图片与真实高分辨率图片的差值,来衡量这张图片的真实程度.本文基于SRGAN(Super-resolution Generative Adversarial Network)网络主要进行了3点改进:1)引入了注意力通道机制,即在SRGAN网络中加入CA(Channel Attention)模块,同时增加网络
医学图像配准是医学图像分析的基本课题之一,具有重要的理论研究和临床诊断应用价值,可以视为参数最优化问题进行求解.作为经典的最优化算法——遗传算法已经在该领域得到了成功应用,然而,遗传算法存在着搜索空间受限、局部搜索能力较差、容易早熟收敛等不足.因此,本文提出了多种策略对遗传算法进行改进,首先结合混沌系统和频度记忆对随机数和随机个体的产生机制进行改进,进而设计一种动态的基因多样性控制器,最后模拟三系杂交水稻的育种机制来发挥杂种优势.同时,结合多分辨率策略实现了多模医学图像的精确配准.公开数据集实验结果表明,
针对密集人群中行人躯干部位易被遮挡、小尺寸行人难以检测、检测速度慢等问题,提出一种结合多尺度反馈的行人头部检测方法用于行人检测.该方法首先以YOLOv3为网络原型,在特征提取网络中新增由两倍下采样得到的特征图以提升对小尺度行人的识别.其次采用多尺度反馈将感受野较大的分支融合到感受野较小的尺度分支上以引入全局上下文信息来提升对高密度人群的识别能力.本文在INRIAPerson,PASCALVOC2012,WiderFace等数据集上进行了实验,实验结果表明,提出的方法在行人检测的精度和速度上都有了较大提升,
近年来,物联网智能硬件技术高速发展,增强了以智能家居行业为主的对物联网场景下设备智能控制的需求.本文分析了现有的情景建模方法与设备智能控制框架,基于家居情景活动特征,提出了基于对象与属性图模型的情景建模方法,以适用物联网计算资源有限的场景;设计了智能家居交互的规则控制、模式控制和语音控制方式,使用推理引擎将情景感知数据映射到设备控制服务以实现系统的自动控制;提出了物联网下基于情景感知的智能控制系统框架;考虑用户行为习惯,引入了用户偏好这一情景概念以提供个性化的服务.性能测试表明基于对象与属性图模型的情景建
生成式对抗网络(GAN)具有比传统机器学习算法更强大的特征学习和特征表达能力,基于GAN的三维生成是当前研究的热点方向之一.本文以基于生成式对抗网络的三维生成模型及其应用为研究对象,阐述了GAN的研究现状与研究方向,归纳出生成式对抗网络在三维室内场景生成、三维人体等多个三维生成研究方向的研究现状和发展趋势,并对各研究方向进行深入探讨与总结,通过对比分析每种方法的基本思想、特点及使用场景等,对未来可能的发展方向进行了展望.当前已有多种GAN模型应用在三维生成的任务中,在生成效果与性能上各有优劣.这些基于GA
卷积神经网络计算复杂度高,占用资源多,使得其很难部署到移动嵌入式设备上.为了解决这类限制,本文提出了一种基于嵌入并行通道蓝图分离卷积(B2SENet)模型的图像分类算法,首先通过引入并行SENet通道,使得不同内核大小的并行分支融合在一起,增强全局感受野,其次在并行SE通道中改变传统卷积操作方式,适配蓝图分离卷积(BS),有效减少卷积层参数以及模型体积.最后在并行通道融合过程中引入soft attention机制,获取通道权重系数,使得模型强化对特征的选择性,在CI-FAR10和100以及ImageNet
结肠息肉是一种常见的结肠疾病,一些随着时间的推移可能发展为结直肠癌.因此,结肠息肉的及时预防和诊断显得尤为重要.临床诊断研究中发现,计算机辅助检测系统可以有效提高检测效率,利用先验知识的显著性检测广泛应用在目标识别方向,但由于WCE图像中息肉位置的随机性——可能位于图像中心也可能位于边缘,而传统的图像四周边缘作为背景的先验知识会将处于边缘的息肉误判为背景.由此,本文致力于寻找新的背景先验,提出了适合肠道图像的肠道中心暗区和肠壁轮廓的背景先验,以及多连通区域中心高斯模型来增强前景、抑制背景同时增强多息肉的检
流线可视化是可视化领域的一个重要研究方向,通过矢量数据可视化可以直观高效地反映出的流场所包含的结构信息与运动规律.本文研究了二维流场中的流线放置及其间距选择,提出了信息熵控制的流场动态间距流线放置算法.通过将流场划分为不同区域,并根据区域内的矢量数据计算信息熵,将信息熵引入到流线间距计算中,从而实现动态控制流线间距.该算法生成的流场中变化剧烈的区域的流线间距较小,放置密集,而在变化较平缓的区域中流线间距较大,放置较稀疏.实验结果表明,本文算法直观地突出流场中重要区域的特征并使非重要的区域稀疏简洁,提高了可
随着深度学习的发展,图像生成技术有了长足的进展,但大多数图像生成模型只能生成单一图像.针对这一问题,本文提出了一种耦合变分自编码器,它可以生成具有不同属性的人脸元组.现有的方法需要训练集的不同域中存在对应图像的元组,但是本文提出的方法不需要任何对应图像的元组,就可以生成具有不同属性的图像元组.本文的方法是在耦合生成对抗网络的灵感下提出的,与原有方法不同,它通过训练耦合变分自编码器模型来学习不同属性的特征表示,以生成对应图像元组.相比较原方法,它可以通过学习高级特征表示更精确的生成图像元组.此外,本文还用耦