面向边缘计算应用的宽度孪生网络

作     者：李逸楷 张通 陈俊龙 LI Yi-Kai;ZHANG Tong;CHEN C.L.Philip

作者机构：华南理工大学计算机科学与工程学院广州510006 琶洲实验室广州510355 

出 版 物：《自动化学报》 (Acta Automatica Sinica)

年 卷 期：2020年第46卷第10期

页      面：2060-2071页

核心收录：

学科分类：0810[工学-信息与通信工程] 1205[管理学-图书情报与档案管理] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61702195,61751202,U1813203,U1801262,61751205) 国家科技部重点专项(2019YFA0706200,2019YFB1703600) 广州市重大科技项项目(202007030006)资助 

主　　题：宽度学习系统 边缘计算 孪生网络 浅层网络 边缘智能 

摘      要：边缘计算是将计算、存储、通信等任务分配到网络边缘的计算模式.它强调在用户终端附近执行数据处理过程,以达到降低延迟,减少能耗,保护用户隐私等目的.然而网络边缘的计算、存储、能源资源有限,这给边缘计算应用的推广带来了新的挑战.随着边缘智能的兴起,人们更希望将边缘计算应用与人工智能技术结合起来,为我们的生活带来更多的便利.许多人工智能方法,如传统的深度学习方法,需要消耗大量的计算、存储资源,并且伴随着巨大的时间开销.这不利于强调低延迟的边缘计算应用的推广.为了解决这个问题,我们提出将宽度学习系统(Broad learning system,BLS)等浅层网络方法应用到边缘计算应用领域,并且设计了一种宽度孪生网络算法.我们将宽度学习系统与孪生网络结合起来用于解决分类问题.实验结果表明我们的方法能够在取得与传统深度学习方法相似精度的情况下降低时间和资源开销,从而更好地提高边缘计算应用的性能.