本書系統(tǒng)性地介紹智能邊緣計(jì)算所需要的核心技術(shù)，并詳細(xì)闡述如何將這些技術(shù)落地的實(shí)際編程實(shí)例。本書包括四大部分：第yi部分介紹邊緣計(jì)算的基礎(chǔ)、發(fā)展歷史，以及發(fā)展趨勢(shì)；第二部分介紹面向邊緣計(jì)算的深度學(xué)習(xí)技術(shù)，包括聯(lián)邦學(xué)習(xí)和微小機(jī)器學(xué)習(xí)；第三部分講述在邊緣計(jì)算中支撐智能應(yīng)用的核心優(yōu)化問(wèn)題與技術(shù)；第四部分闡述如何基于本書中的相關(guān)技術(shù)，構(gòu)建實(shí)際智能邊緣應(yīng)用。本書可以為邊緣計(jì)算、物聯(lián)網(wǎng)、嵌入式和智能系統(tǒng)、機(jī)器學(xué)習(xí)與應(yīng)用、網(wǎng)絡(luò)通信等領(lǐng)域的科研人員和從業(yè)者提供一些前沿視野及相關(guān)理論、方法和技術(shù)支撐，如邊緣系統(tǒng)智能能量?jī)?yōu)化、學(xué)習(xí)驅(qū)動(dòng)的任務(wù)卸載與服務(wù)緩存、邊緣大數(shù)據(jù)分析、軟件定義邊緣網(wǎng)絡(luò)、網(wǎng)絡(luò)切片，也可作為相關(guān)專業(yè)高年級(jí)本科生和研究生的課程教材或參考教材。
本書系統(tǒng)性地介紹智能邊緣計(jì)算所需要的核心技術(shù)
Preface
前 言
隨著第五代移動(dòng)通信技術(shù)（簡(jiǎn)稱5G）的快速發(fā)展，運(yùn)行在移動(dòng)終端的人工智能應(yīng)用成為主流，例如人臉識(shí)別、增強(qiáng)現(xiàn)實(shí)等先進(jìn)技術(shù)廣泛應(yīng)用于教育、醫(yī)療、精密儀器檢修、仿真等多個(gè)領(lǐng)域。5G提供人與物、物與物，以及不同地域之間設(shè)備的互聯(lián)，進(jìn)一步促進(jìn)了人工智能的發(fā)展和廣泛應(yīng)用。由于5G網(wǎng)絡(luò)中邊緣側(cè)存在大量數(shù)據(jù)與應(yīng)用，傳統(tǒng)云計(jì)算已經(jīng)無(wú)法滿足這些應(yīng)用對(duì)時(shí)延和帶寬的要求，智能邊緣計(jì)算隨之得到發(fā)展。通過(guò)將算力部署在邊緣側(cè)，智能邊緣計(jì)算可以實(shí)時(shí)響應(yīng)各種人工智能應(yīng)用對(duì)帶寬、性能等的嚴(yán)苛要求。
機(jī)遇與挑戰(zhàn)并存。一方面，智能邊緣計(jì)算由于邊緣設(shè)備的功能、算力等受到限制，而傳統(tǒng)機(jī)器學(xué)習(xí)模型需要大算力，也無(wú)法應(yīng)用到智能邊緣計(jì)算中。另一方面，智能邊緣計(jì)算節(jié)點(diǎn)眾多、算力分布性極強(qiáng)，在和云數(shù)據(jù)中心協(xié)同的同時(shí)，需要邊緣節(jié)點(diǎn)之間的橫向協(xié)同，及高效、智能的任務(wù)調(diào)度、資源管理方法。
針對(duì)以上挑戰(zhàn)，本書結(jié)合實(shí)例系統(tǒng)性地介紹了智能邊緣計(jì)算所需要的核心技術(shù)。本書包括四部分：第一部分（第1、2章）介紹邊緣計(jì)算的基礎(chǔ)、發(fā)展歷史，以及發(fā)展趨勢(shì)；第二部分（第3～5章）介紹面向邊緣計(jì)算的機(jī)器學(xué)習(xí)技術(shù)，包括微小機(jī)器學(xué)習(xí)、分布式機(jī)器學(xué)習(xí)和聯(lián)邦學(xué)習(xí)；第三部分（第6～9章）講述在邊緣計(jì)算中支撐智能應(yīng)用的核心優(yōu)化問(wèn)題與技術(shù)；第四部分（第10～12章）闡述如何基于本書中的相關(guān)技術(shù)，構(gòu)建實(shí)際智能邊緣應(yīng)用。
本書可以為邊緣計(jì)算、物聯(lián)網(wǎng)、嵌入式和智能系統(tǒng)、機(jī)器學(xué)習(xí)與應(yīng)用、網(wǎng)絡(luò)通信等領(lǐng)域的科研人員和從業(yè)者提供一些前沿視野及相關(guān)理論、方法和技術(shù)支撐，如邊緣系統(tǒng)智能能量?jī)?yōu)化、學(xué)習(xí)驅(qū)動(dòng)的任務(wù)卸載與服務(wù)緩存、邊緣大數(shù)據(jù)分析、軟件定義邊緣網(wǎng)絡(luò)、網(wǎng)絡(luò)切片，也可作為相關(guān)專業(yè)高年級(jí)本科生和研究生的教材或參考書。
徐子川，博士、大連理工大學(xué)副教授、博士生導(dǎo)師，大連理工大學(xué)星海優(yōu)青。徐子川博士于2015年5月從澳大利亞國(guó)立大學(xué)（Australian National University）畢業(yè)，在倫敦大學(xué)學(xué)院（University College London）從事博士后（Research Associate）工作。 徐子川博士的研究方向包括：邊緣計(jì)算中的資源優(yōu)化、網(wǎng)絡(luò)功能虛擬化與軟件自定義網(wǎng)絡(luò)中的資源分配與路由、多數(shù)據(jù)中心網(wǎng)絡(luò)中的資源調(diào)度、大數(shù)據(jù)在多數(shù)據(jù)中心網(wǎng)絡(luò)中的處理等。徐子川博士在這些方向中做出了有國(guó)際影響力的成果超過(guò)60余項(xiàng)，在頂級(jí)會(huì)場(chǎng)發(fā)表了90多篇高質(zhì)量的論文，例如IEEE TPDS，ACM / IEEE ToN，IEEE TMC，IEEE TC，ACM TOSN，IEEE INFOCOM，ICDCS，SECON，ACM MM，ICPP等。其中包括中國(guó)計(jì)算機(jī)協(xié)會(huì)（CCF）推薦的A、B類期刊會(huì)議20余項(xiàng)。其中代表性的期刊論文發(fā)表在領(lǐng)域內(nèi)頂級(jí)期刊IEEE TPDS、ACM/IEEE ToN、IEEE TC、IEEE TWC、IEEE TMC、IEEE INFOCOM、IEEE ICDCS 等。徐子川博士參與多項(xiàng)國(guó)際會(huì)議組織，其中包括The 2019 IEEE International Conference on Cloud Engineering (IC2E) 的Web and Information主席，The 2017 IEEE International Conferenceon Communications (ICC) 的小組主席（Session chair）以及多個(gè)會(huì)議的技術(shù)委員會(huì)委員。徐子川博士也參與到領(lǐng)域內(nèi)頂級(jí)期刊會(huì)議的審稿工作中，其中包括IEEE Journal on Selected Areas in Communications、IEEE Transactions on Communications、Computer Networks、IEEE Transactions on Vehicular Technology、ACM Transactions on Sensor Networks、IEEE Wireless Communications Letters、IEEE IoTJ、IEEE INFOCOM、IEEE LCN等。
CONTENTS
目 錄
前言
第1章 概述1
1.1 邊緣計(jì)算1
1.1.1 什么是邊緣計(jì)算1
1.1.2 邊緣計(jì)算的背景與發(fā)展歷史4
1.1.3 邊緣計(jì)算的相關(guān)技術(shù)6
1.2 智能邊緣計(jì)算10
1.2.1 什么是智能邊緣計(jì)算10
1.2.2 邊緣計(jì)算與人工智能11
1.3 智能邊緣計(jì)算典型應(yīng)用12
1.3.1 智慧城市12
1.3.2 新型娛樂(lè)12
1.3.3 智能制造13
1.4 機(jī)遇與挑戰(zhàn)14
本章小結(jié)15
參考文獻(xiàn)15
第2章 邊緣計(jì)算架構(gòu)與核心技術(shù)18
2.1 邊緣計(jì)算架構(gòu)18
2.1.1 邊緣計(jì)算平臺(tái)架構(gòu)標(biāo)準(zhǔn)18
2.1.2 邊緣計(jì)算平臺(tái)21
2.1.3 云-邊協(xié)同架構(gòu)24
2.2 邊緣計(jì)算核心技術(shù)27
2.2.1 邊緣智能27
2.2.2 計(jì)算推理卸載29
2.2.3 第五代通信與網(wǎng)絡(luò)切片30
2.2.4 軟件定義邊緣網(wǎng)絡(luò)30
2.2.5 云-邊-端協(xié)同32
本章小結(jié)33
參考文獻(xiàn)33
第3章 機(jī)器學(xué)習(xí)基礎(chǔ)34
3.1 機(jī)器學(xué)習(xí)概述34
3.2 監(jiān)督學(xué)習(xí)35
3.2.1 線性回歸36
3.2.2 k近鄰算法37
3.2.3 決策樹(shù)38
3.3 無(wú)監(jiān)督學(xué)習(xí)40
3.3.1 k均值聚類40
3.3.2 譜聚類41
3.4 半監(jiān)督學(xué)習(xí)42
3.5 深度學(xué)習(xí)43
3.5.1 反向傳播45
3.5.2 隨機(jī)梯度下降45
3.5.3 學(xué)習(xí)率衰減46
3.5.4 最大池化47
3.6 強(qiáng)化學(xué)習(xí)47
3.6.1 Q-Learning48
3.6.2 Sarsa49
3.6.3 DQN50
本章小結(jié)52
參考文獻(xiàn)52
第 4 章 TinyML54
4.1 TinyML與邊緣嵌入式設(shè)備54
4.2 TinyML的核心技術(shù)55
4.2.1 模型剪枝56
4.2.2 數(shù)據(jù)量化58
4.2.3 輕量化模型設(shè)計(jì)62
4.2.4 知識(shí)蒸餾65
4.3 TinyML相關(guān)研究66
4.4 TinyML應(yīng)用67
本章小結(jié)68
參考文獻(xiàn)69
第5章 分布式機(jī)器學(xué)習(xí)與聯(lián)邦學(xué)習(xí)72
5.1 分布式機(jī)器學(xué)習(xí)72
5.1.1 基本概念72
5.1.2 基本框架73
5.1.3 挑戰(zhàn)與機(jī)遇74
5.2 聯(lián)邦學(xué)習(xí)75
5.2.1 橫向聯(lián)邦學(xué)習(xí)76
5.2.2 縱向聯(lián)邦學(xué)習(xí)77
5.2.3 聯(lián)邦遷移學(xué)習(xí)78
5.2.4 聯(lián)邦學(xué)習(xí)框架79
5.3 聯(lián)邦學(xué)習(xí)與數(shù)據(jù)隱私82
5.3.1 數(shù)據(jù)隱私保護(hù)技術(shù)簡(jiǎn)述83
5.3.2 國(guó)內(nèi)外聯(lián)邦學(xué)習(xí)數(shù)據(jù)隱私
研究85
5.3.3 聯(lián)邦學(xué)習(xí)數(shù)據(jù)隱私發(fā)展方向87
5.4 聯(lián)邦學(xué)習(xí)的激勵(lì)機(jī)制88
5.4.1 基于博弈論設(shè)計(jì)的激勵(lì)
機(jī)制89
5.4.2 基于契約理論設(shè)計(jì)的激勵(lì)
機(jī)制90
5.4.3 基于區(qū)塊鏈技術(shù)設(shè)計(jì)的激
勵(lì)機(jī)制90
5.4.4 聯(lián)邦學(xué)習(xí)的激勵(lì)機(jī)制未來(lái)
的發(fā)展方向91
本章小結(jié)91
參考文獻(xiàn) 92
第6章 計(jì)算、訓(xùn)練與推理任務(wù)卸載95
6.1 任務(wù)卸載概述95
6.1.1 任務(wù)卸載的基本概念96
6.1.2 任務(wù)卸載的一般過(guò)程96
6.1.3 任務(wù)卸載劃分的標(biāo)準(zhǔn)98
6.1.4 任務(wù)卸載的分類99
6.2 任務(wù)卸載的應(yīng)用場(chǎng)景和系統(tǒng)實(shí)例100
6.2.1 任務(wù)卸載的應(yīng)用場(chǎng)景100
6.2.2 任務(wù)卸載的系統(tǒng)實(shí)例102
6.3 任務(wù)卸載的挑戰(zhàn)與研究方向103
6.3.1 常見(jiàn)術(shù)語(yǔ)介紹104
6.3.2 任務(wù)卸載的問(wèn)題與挑戰(zhàn)105
6.3.3 面向延遲的智能卸載106
6.3.4 面向能耗的智能卸載107
6.3.5 面向資源的智能卸載108
6.3.6 面向安全的智能卸載108
6.3.7 基于博弈的智能卸載109
6.3.8 面向QoS和QoE的智能
卸載110
6.3.9 其他角度的智能卸載110
6.3.10 任務(wù)卸載的未來(lái)研究
方向110
本章小結(jié)111
參考文獻(xiàn)112
第7章 智能服務(wù)緩存與優(yōu)化117
7.1 服務(wù)緩存概述117
7.1.1 服務(wù)緩存概念117
7.1.2 服務(wù)緩存機(jī)制118
7.1.3 服務(wù)緩存評(píng)價(jià)指標(biāo)120
7.2 學(xué)習(xí)驅(qū)動(dòng)的服務(wù)緩存121
7.2.1 面向服務(wù)提供商的協(xié)同
服務(wù)緩存121
7.2.2 面向用戶端與邊緣側(cè)的
協(xié)同服務(wù)緩存122
7.2.3 服務(wù)緩存評(píng)價(jià)指標(biāo)的模
型構(gòu)建124
7.3 云-邊-端融合服務(wù)緩存126
7.3.1 云-邊-端融合服務(wù)緩
存概述126
7.3.2 云-邊-端融合服務(wù)緩
存策略128
7.3.3 邊緣聯(lián)盟緩存的優(yōu)勢(shì)130
7.4 服務(wù)緩存應(yīng)用場(chǎng)景130
7.5 服務(wù)緩存策略展望與挑戰(zhàn)131
7.5.1 用戶移動(dòng)性131
7.5.2 任務(wù)卸載協(xié)同132
7.5.3 低成本容錯(cuò)部署132
7.5.4 隱私安全132
本章小結(jié)133
參考文獻(xiàn)133
第8章 智能數(shù)據(jù)管理135
8.1 邊緣數(shù)據(jù)管理概述135
8.2 數(shù)據(jù)隱私138
8.3 數(shù)據(jù)完整性141
8.4 分布式大數(shù)據(jù)分析143
8.4.1 數(shù)據(jù)清洗144
8.4.2 數(shù)據(jù)聚合145
8.4.3 邊緣流式計(jì)算146
本章小結(jié)148
參考文獻(xiàn)149
第9章 智能能量?jī)?yōu)化151
9.1 能量?jī)?yōu)化的意義151
9.2 智能能量?jī)?yōu)化的基本概念153
9.2.1 能耗指標(biāo)153
9.2.2 能量資源約束下的任務(wù)
分配154
9.3 能量智能感知155
9.3.1 能耗分析155
9.3.2 能耗追蹤與預(yù)測(cè)157
9.4 多供能智能系統(tǒng)159
9.4.1 可持續(xù)供能系統(tǒng)161
9.4.2 電源供能系統(tǒng)162
9.4.3 能量收集系統(tǒng)165
本章小結(jié)167
參考文獻(xiàn)168
第10章 智能邊緣協(xié)同171
10.1 邊緣協(xié)同概述171
10.1.1 邊緣協(xié)同的意義172
10.1.2 邊緣協(xié)同的具體內(nèi)涵173
10.2 多形態(tài)邊緣協(xié)同174
10.2.1 邊-云協(xié)同174
10.2.2 邊-邊協(xié)同175
10.2.3 用戶間協(xié)同176
10.3 邊緣協(xié)同的關(guān)鍵問(wèn)題與技術(shù)177
10.3.1 邊緣協(xié)同的關(guān)鍵問(wèn)題177
10.3.2 邊緣協(xié)同的關(guān)鍵技術(shù)178
10.4 邊緣協(xié)同的智能化發(fā)展180
10.5 智能邊緣協(xié)同的機(jī)遇與挑戰(zhàn)181
本章小結(jié)185
參考文獻(xiàn)185
第11章 智能邊緣安全機(jī)制187
11.1 邊緣安全的必要性與挑戰(zhàn)187
11.2 邊緣服務(wù)提供者的安全192
11.2.1 邊緣計(jì)算設(shè)施安全192
11.2.2 邊緣計(jì)算平臺(tái)安全196
11.2.3 邊緣計(jì)算網(wǎng)絡(luò)安全197
11.3 邊緣服務(wù)需求者的安全198
11.3.1 隱私保護(hù)198
11.3.2 服務(wù)安全200
11.3.3 數(shù)據(jù)安全201
11.3.4 身份認(rèn)證與訪問(wèn)控制201
11.4 智能邊緣安全機(jī)制案例202
11.4.1 智能電網(wǎng)202
11.4.2 智慧工廠204
本章小結(jié)206
參考文獻(xiàn)207
第12章 基于邊緣計(jì)算的Web AR
平臺(tái)實(shí)現(xiàn)208
12.1 概述208
12.1.1 AR與Web AR208
12.1.2 Web AR現(xiàn)有解決方案
與挑戰(zhàn)210
12.1.3 邊緣計(jì)算與Web AR211
12.2 平臺(tái)介紹212
12.2.1 硬件平臺(tái)213
12.2.2 軟件平臺(tái)214
12.3 系統(tǒng)實(shí)現(xiàn)217
12.3.1 系統(tǒng)的工作流程217
12.3.2 用戶層實(shí)現(xiàn)218
12.3.3 邊緣層實(shí)現(xiàn)219
12.3.4 控制器實(shí)現(xiàn)219
本章小結(jié)220
參考文獻(xiàn)220
書單推薦
