CN107766889A - 一种云端边缘计算融合的深度学习计算系统和方法 - Google Patents
一种云端边缘计算融合的深度学习计算系统和方法 Download PDFInfo
- Publication number
- CN107766889A CN107766889A CN201711014281.6A CN201711014281A CN107766889A CN 107766889 A CN107766889 A CN 107766889A CN 201711014281 A CN201711014281 A CN 201711014281A CN 107766889 A CN107766889 A CN 107766889A
- Authority
- CN
- China
- Prior art keywords
- clouds
- deep learning
- edge side
- data
- pipeline
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/466—Transaction processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/544—Buffers; Shared memory; Pipes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种云端边缘计算融合的深度学习计算系统和方法，涉及云计算、边缘计算和人工智能技术领域，将深度学习计算分布到云端、管道和边缘侧，由云端负责历史数据大计算量的基础模型训练，根据边缘侧的需求进行个性化的模型分发，云端到边缘侧节点部署学习后的深度学习模型，用来完成推理，边缘侧持续进行推理结果的反馈，再上传到云端持续优化模型。相较于传统的训练和推理都在云端的方式，本发明整个深度学习计算过程，将持续优化计算模型，根据边缘侧的需求进行个性化的模型分发，有效的利用了带宽，保证了网络传输的效率，提高了实时业务执行效率。
Description
技术领域
本发明涉及云计算、边缘计算和人工智能技术领域，具体的说是一种云端边缘计算融合的深度学习计算系统和方法。
背景技术
随着云计算和大数据的发展，各类应用系统已经渐渐转向云端，云端中心聚合了大量的物理硬件资源，并采用虚拟化技术实现了异构网络计算资源的统一的分配、调度和管理，集中建设数据中心大大降低了计算和存储的成本。
近年来，人工智能技术发展迅速，其商业化速度超出预期，人工智能将会给整个社会带来颠覆性的变化，已经成为未来各国重要的发展战略。特别是以深度学习为核心的算法演进，其超强的进化能力，在大数据的支持下，通过训练构建得到类似人脑结构的大规模卷积神经网络，已经可以解决各类问题。
深度学习需要大量数据和计算资源来进行训练，云端服务在一定程度上可以满足要求，然而伴随着数据量越来越庞大，特别是对于边缘侧诸如实时业务、数据优化、带宽限制、应用智能、安全与隐私等多方面需求，计算和存储无法全部放在远程云端，需要将其靠近边缘侧设备或数据源头，就近提供近端计算服务。在这种情况下，如何更高效的为边缘侧设备提供深度学习能力，并能融合“云-管-端”多种计算资源，提供更好的深度学习能力，持续的优化模型和推理能力成为亟需解决的问题。
发明内容
本发明针对目前技术发展的需求和不足之处，提供一种云端边缘计算融合的深度学习计算系统和方法。
本发明所述一种云端边缘计算融合的深度学习计算方法，解决上述技术问题采用的技术方案如下：所述云端边缘计算融合的深度学习计算方法，将深度学习计算分布到云端、管道和边缘侧，由云端负责历史数据大计算量的基础模型训练，根据边缘侧的需求进行个性化的模型分发，云端到边缘侧节点部署学习后的深度学习模型，用来完成推理，边缘侧持续进行推理结果的反馈，再上传到云端持续优化模型；
具体实施流程包括：
步骤一，云端(云端节点)产生管道和边缘侧(若干边缘计算节点)的深度学习模型，并将深度学习模型下发到管道和边缘侧；
步骤二，边缘侧根据智能传感设备采集的数据进行推理计算，并根据用户反馈信息和推理的原始数据组合成训练集数据；
步骤三，边缘侧将训练集经管道(管道节点)上传至云端，
步骤四，云端根据训练集进行深度学习模型训练，优化云端深度学习模型。
进一步，所述步骤一，云端产生管道和边缘侧的深度学习模型，并将深度学习模型下发到管道和边缘侧；具体实施流程如下：
步骤1、云端利用收集的大量历史数据进行深度学习模型训练，最终产生云端深度学习模型；
步骤2、云端根据需要部署深度学习模型的应用节点计算和存储能力进行模型优化，产生管道和边缘侧的深度学习模型；
步骤3、云端将深度学习模型下发到管道和边缘侧。
进一步，所述步骤二，边缘侧根据智能传感设备采集的数据进行推理计算，并根据用户反馈信息和推理的原始数据组合成训练集数据；具体实施过程如下：
步骤1、智能传感设备实时采集来自外界的环境数据；
步骤2、智能传感设备将收集数据发送给边缘侧进行推理；
步骤3、边缘侧执行推理计算；
步骤4、边缘侧将推理结果发送给智能传感设备；
步骤5、智能传感设备将结果反馈给用户，执行相应的工作指令，并将用户反馈上传到边缘侧；
步骤6、边缘侧收到来自智能传感设备的反馈，并对反馈信息优化后，连同进行推理的原始采集数据组合成训练集数据，保存在边缘节点本地。
进一步，所述边缘侧执行推理计算：
边缘侧检测本地缓存是否已存在匹配的采集数据，若存在匹配数据，直接从缓存中返回推理结果；否则，利用深度学习模型对采集数据进行推理，实时得到结果，并将采集数据及推理结果保存在边缘节点本地缓存。
进一步，所述步骤三，边缘侧将训练集经管道(管道节点)上传至云端，具体实施流程如下：
步骤1、边缘侧根据网络带宽情况，选择带宽流量较小的时间段，统一上传训练集数据；
步骤2、管道接收来自边缘侧上传的训练集数据，保存在本地存储中；
步骤3、管道根据网络带宽情况，选择带宽流量较小的时间段，统一上传训练集数据到上级管道；
步骤4、循环上传，最终训练集汇集到云端。
本发明提出一种云端边缘计算融合的深度学习计算系统，其系统架构包括：
云端(云端节点)，负责深度学习模型训练，根据部署深度学习模型应用节点的计算和存储能力优化生成个性化模型，通过管道下发到边缘侧，同时负责筛选提取来自边缘侧的数据，将其作为训练数据持续进行模型的优化；
管道(管道节点)，负责网络传输、计算及存储，提供推理计算能力，保存深度学习模型及推理反馈结果；
边缘侧(边缘计算节点)，接收来自云端的深度学习模型，对来自智能传感设备的数据实时进行推理分析，并将结果反馈给智能传感设备，同时存储计算输入数据及反馈结果；
智能传感设备，实时采集环境数据，利用边缘侧进行实时深度学习计算，得到结果及时反馈给用户或采取行动。
进一步，所述智能传感设备采集的数据及反馈信息存储到边缘侧，边缘侧对反馈数据进行优化过滤，再统一上传到云端。
进一步，所述云端接收到反馈数据，进行数据筛选提取得到有效数据，将其作为训练集持续进行深度学习，再将学习得到的优化模型通过管道发给边缘侧。
进一步，所述智能传感设备采用智能摄像头。
本发明所述一种云端边缘计算融合的深度学习计算系统和方法，与现有技术相比具有的有益效果是：相较于传统的训练和推理都在云端的方式，本发明有效的利用云端强大计算能力的同时，结合了边缘计算的特点，将推理放在边缘侧，提高了终端业务的实时性，满足了智能终端应用实时性的需求；智能传感设备会反馈推理结果，并通过管道层层上传到云端，云端可以实现深度学习模型的持续优化，提高最终模型的识别率；
另外，边缘侧将数据和推理结果缓存在节点本地，一方面可以显著提高实时业务的执行效率，另一方面，对智能传感设备的反馈进行数据优化，减轻云端的处理压力；并选择带宽空闲时间段上传数据，也保证了网络传输的效率，提高了网络的利用率。
附图说明
为了更清楚的说明本发明实施例或现有技术中的技术内容，下面对本发明实施例或现有技术中所需要的附图做简单介绍。显而易见的，下面所描述附图仅仅是本发明的一部分实施例，对于本领域技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，但均在本发明的保护范围之内。
附图1为实施例4深度学习计算方法的流程图；
附图2为云端边缘计算融合的深度学习计算系统的示意图。
具体实施方式
为使本发明的技术方案、解决的技术问题和技术效果更加清楚明白，以下结合具体实施例，对本发明的技术方案进行清查、完整的描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下获得的所有实施例,都在本发明的保护范围之内。
实施例1:
本实施例提出一种云端边缘计算融合的深度学习计算方法，将深度学习计算分布到云端、管道和边缘侧，由云端负责历史数据大计算量的基础模型训练，根据边缘侧的需求进行个性化的模型分发，云端到边缘侧节点部署学习后的深度学习模型，用来完成推理，边缘侧持续进行推理结果的反馈，再上传到云端持续优化模型。
本实施例云端边缘计算融合的深度学习计算方法，具体实施流程包括：
步骤一，云端(云端节点)产生管道和边缘侧(若干边缘计算节点)的深度学习模型，并将深度学习模型下发到管道和边缘侧；
步骤二，边缘侧根据智能传感设备采集的数据进行推理计算，并根据用户反馈信息和推理的原始数据组合成训练集数据；
步骤三，边缘侧将训练集经管道(管道节点)上传至云端，
步骤四，云端根据训练集进行深度学习模型训练，优化云端深度学习模型。
本实施例云端边缘计算融合的深度学习计算方法，相较于传统的训练和推理都在云端的方式，有效的利用云端强大计算能力的同时，结合了边缘计算的特点，将推理放在边缘侧，提高了终端业务的实时性，满足了智能终端应用实时性的需求；并将反馈推理结果通过管道节点层层上传到云端，云端可以实现深度学习模型的持续优化，提高最终模型的识别率。
实施例2：
本实施例提出的一种云端边缘计算融合的深度学习计算方法，在实施例1的基础上，给出步骤二的一种详细技术方案，进一步提高实时业务的执行效率，同时增加了本实施例技术方案的可行性和实用性。
所述步骤二，边缘侧根据智能传感设备采集的数据进行推理计算，并根据用户反馈信息和推理的原始数据组合成训练集数据；具体实施过程如下：
步骤1、智能传感设备实时采集来自外界的环境数据；
步骤2、智能传感设备将收集数据发送给边缘侧进行推理；
步骤3、边缘侧执行推理计算；
具体的，边缘侧检测本地缓存是否已存在匹配的采集数据，若存在匹配数据，直接从缓存中返回推理结果；否则，利用深度学习模型对采集数据进行推理，实时得到结果，并将采集数据及推理结果保存在边缘节点本地缓存。
步骤4、边缘侧将推理结果发送给智能传感设备；
步骤5、智能传感设备将结果反馈给用户，执行相应的工作指令，并将用户反馈上传到边缘侧；
步骤6、边缘侧收到来自智能传感设备的反馈，并对反馈信息优化后，连同进行推理的原始采集数据组合成训练集数据，保存在边缘节点本地。
本实施例云端边缘计算融合的深度学习计算方法，通过边缘计算节点将数据和推理结果缓存在节点本地，一方面可以显著提高实时业务的执行效率，另一方面，对智能传感设备的反馈进行数据优化，减轻云端的处理压力。
实施例3：
本实施例提出的一种云端边缘计算融合的深度学习计算方法，在实施例1的基础上，给出步骤一、步骤三的一种详细技术方案，选择带宽空闲时间段上传数据，保证了网络传输的效率，提高了网络的利用率。
所述步骤一，云端(云端节点)产生管道和边缘侧(边缘计算节点)的深度学习模型，并将深度学习模型下发到管道和边缘侧；具体实施流程如下：
步骤1、云端利用收集的大量历史数据进行深度学习模型训练，最终产生云端深度学习模型；
步骤2、云端根据需要部署深度学习模型的应用节点计算和存储能力进行模型优化，产生管道和边缘侧的深度学习模型；
步骤3、云端将深度学习模型下发到管道和边缘侧。
所述步骤三，边缘侧将训练集经管道(管道节点)上传至云端，具体实施流程如下：
步骤1、边缘侧根据网络带宽情况，选择带宽流量较小的时间段，统一上传训练集数据；
步骤2、管道接收来自边缘侧上传的训练集数据，保存在本地存储中；
步骤3、管道根据网络带宽情况，选择带宽流量较小的时间段，统一上传训练集数据到上级管道；
步骤4、循环上传，最终训练集汇集到云端。
实施例4：
本实施例提出的一种云端边缘计算融合的深度学习计算方法，在实施例2和实施例3的基础上，以视频识别应用为边缘侧案例，并以智能摄像头作为智能传感设备为例，详细说明本发明的技术方案。除了使用以上应用和传感设备之外，根据本发明的实施方式的构造能够应用于其他智能应用之上，均包含在本发明的包含范围之内。
附图1为实施例4深度学习计算的流程图，如附图1所示，深度学习计算的具体流程如下：
步骤101、云端利用收集的大量历史数据进行深度学习模型训练，产生云端深度学习模型；
步骤102、云端根据需要部署深度学习模型的应用节点计算和存储能力进行模型优化，产生管道和边缘侧的深度学习模型；
步骤103、云端将深度学习模型下发到管道和边缘侧；
步骤104、智能传感设备实时采集来自外界的环境数据；
步骤105、智能传感设备将收集数据发送给边缘侧进行推理；
步骤106、边缘侧执行推理计算；边缘侧检测本地缓存是否已存在匹配的采集数据，若存在匹配数据，直接从缓存中返回推理结果；否则，利用深度学习模型对采集数据进行推理，实时得到结果，并将采集数据及推理结果保存在边缘节点本地缓存；
步骤107、边缘侧将推理结果发送给智能传感设备；
步骤108、智能传感设备将结果反馈给用户，执行后续任务，并将用户反馈上传到边缘侧；
步骤109、边缘侧收到来自智能传感设备的反馈，进行数据整理形成训练集，保存在边缘节点本地；
步骤110、边缘侧根据网络带宽情况，选择空闲时间统一上传训练集数据；
步骤111、管道根据网络带宽情况，选择空闲时间统一上传训练集数据到上级管道；
步骤112、判断是否将训练集上传至云端，若没有，循环步骤112，最终训练集汇集到云端；
步骤113、云端利用新收集的训练集进行深度学习模型训练，优化云端深度学习模型；
步骤114、循环执行步骤102至步骤113，持续进行模型优化，提高边缘侧推理能力。
本实施例云端边缘计算融合的深度学习计算方法，整个深度学习计算过程，将持续优化深度学习模型，根据边缘侧的需求进行个性化的模型分发，云端实现深度学习模型的持续优化，提高最终模型的识别率；边缘计算节点将数据和推理结果缓存在节点本地，显著提高实时业务的执行效率；选择带宽空闲时间段上传数据，也保证了网络传输的效率，提高了网络的利用率。
本发明还提出一种云端边缘计算融合的深度学习计算系统，如附图2所示，其系统架构包括：
云端(云端节点)，负责深度学习模型训练，根据部署深度学习模型应用节点的计算和存储能力优化生成个性化模型，通过管道下发到边缘侧，同时负责筛选提取来自边缘侧的数据，将其作为训练数据持续进行模型的优化；
管道(管道节点)，负责网络传输、计算及存储，提供推理计算能力，保存深度学习模型及推理反馈结果；
边缘侧(边缘计算节点)，靠近设备侧，接收来自云端的深度学习模型，对来自智能传感设备的数据实时进行推理分析，并将结果反馈给智能传感设备，同时存储计算输入数据及反馈结果；
智能传感设备，实时采集环境数据，利用边缘侧进行实时深度学习计算，得到结果及时反馈给用户或采取行动。
采用上述云端边缘计算融合的深度学习计算系统，在“云-管-端”各个组成部分部署计算节点，云端利用海量数据进行模型的训练，再将训练得到的模型分发到管道以及边缘侧，由边缘侧负责推理，从智能传感设备中采集数据，利用边缘侧的训练模型进行实时推理，实时输出结果；同时，智能传感设备采集的数据及反馈信息存储到边缘计算和存储节点，边缘侧会对反馈数据进行优化过滤，再统一上传到云端；云端接收到反馈数据，进行数据筛选提取得到有效数据，将其作为训练集持续进行深度学习，再将学习得到的优化模型通过管道发给边缘侧。
以上应用具体个例对本发明的原理及实施方式进行了详细阐述，这些实施例只是用于帮助理解本发明的核心技术内容，并不用于限制本发明的保护范围，本发明的技术方案不限制于上述具体实施方式内。基于本发明的上述具体实施例，本技术领域的技术人员在不脱离本发明原理的前提下，对本发明所作出的任何改进和修饰，皆应落入本发明的专利保护范围。
Claims (10)
1.一种云端边缘计算融合的深度学习计算方法，其特征在于,将深度学习计算分布到云端、管道和边缘侧，由云端负责历史数据大计算量的基础模型训练，根据边缘侧的需求进行个性化的模型分发，云端到边缘侧节点部署学习后的深度学习模型，用来完成推理，边缘侧持续进行推理结果的反馈，再上传到云端持续优化模型；
具体实施流程包括：
步骤一，云端产生管道和边缘侧的深度学习模型，并将深度学习模型下发到管道和边缘侧；
步骤二，边缘侧根据智能传感设备采集的数据进行推理计算，并根据用户反馈信息和推理的原始数据组合成训练集数据；
步骤三，边缘侧将训练集经管道上传至云端，
步骤四，云端根据训练集进行深度学习模型训练，优化云端深度学习模型。
2.根据权利要求1所述一种云端边缘计算融合的深度学习计算方法，其特征在于，所述步骤一，云端产生管道和边缘侧的深度学习模型，并将深度学习模型下发到管道和边缘侧；具体实施流程包括：
步骤1、云端利用收集的大量历史数据进行深度学习模型训练，最终产生云端深度学习模型；
步骤2、云端根据需要部署深度学习模型的应用节点计算和存储能力进行模型优化，产生管道和边缘侧的深度学习模型；
步骤3、云端将深度学习模型下发到管道和边缘侧。
3.根据权利要求1或2所述一种云端边缘计算融合的深度学习计算方法，其特征在于，所述步骤二，边缘侧根据智能传感设备采集的数据进行推理计算，并根据用户反馈信息和推理的原始数据组合成训练集数据；具体实施过程包括：
步骤1、智能传感设备实时采集来自外界的环境数据；
步骤2、智能传感设备将收集数据发送给边缘侧进行推理；
步骤3、边缘侧执行推理计算；
步骤4、边缘侧将推理结果发送给智能传感设备；
步骤5、智能传感设备将结果反馈给用户，执行相应的工作指令，并将用户反馈上传到边缘侧；
步骤6、边缘侧收到来自智能传感设备的反馈，并对反馈信息优化后，连同进行推理的原始采集数据组合成训练集数据，保存在边缘节点本地。
4.根据权利要求3所述一种云端边缘计算融合的深度学习计算方法，其特征在于，所述边缘侧执行推理计算：
边缘侧检测本地缓存是否已存在匹配的采集数据，若存在匹配数据，直接从缓存中返回推理结果；否则，利用深度学习模型对采集数据进行推理，实时得到结果，并将采集数据及推理结果保存在边缘节点本地缓存。
5.根据权利要求4所述一种云端边缘计算融合的深度学习计算方法，其特征在于，所述步骤三，边缘侧将训练集经管道上传至云端，具体实施流程包括：
步骤1、边缘侧根据网络带宽情况，选择带宽流量较小的时间段，统一上传训练集数据；
步骤2、管道接收来自边缘侧上传的训练集数据，保存在本地存储中；
步骤3、管道根据网络带宽情况，选择带宽流量较小的时间段，统一上传训练集数据到上级管道；
步骤4、循环上传，最终训练集汇集到云端。
6.根据权利要求5所述一种云端边缘计算融合的深度学习计算方法，其特征在于，所述智能传感设备采用智能摄像头。
7.一种云端边缘计算融合的深度学习计算系统，其特征在于，其系统架构包括：
云端，负责深度学习模型训练，根据部署深度学习模型应用节点的计算和存储能力优化生成个性化模型，通过管道下发到边缘侧，同时负责筛选提取来自边缘侧的数据，将其作为训练数据持续进行模型的优化；
管道，负责网络传输、计算及存储，提供推理计算能力，保存深度学习模型及推理反馈结果；
边缘侧，负责接收来自云端的深度学习模型，对来自智能传感设备的数据实时进行推理分析，并将结果反馈给智能传感设备，同时存储计算输入数据及反馈结果；
智能传感设备，负责实时采集环境数据，利用边缘侧进行实时深度学习计算，得到结果及时反馈给用户或采取行动。
8.根据权利要求7所述一种云端边缘计算融合的深度学习计算系统，其特征在于，所述智能传感设备采集的数据及反馈信息存储到边缘侧，边缘侧对反馈数据进行优化过滤，再统一上传到云端。
9.根据权利要求8所述一种云端边缘计算融合的深度学习计算系统，其特征在于，所述云端接收到反馈数据，进行数据筛选提取得到有效数据，将其作为训练集持续进行深度学习，再将学习得到的优化模型通过管道发给边缘侧。
10.根据权利要求7至9任一一种云端边缘计算融合的深度学习计算系统，其特征在于，所述智能传感设备采用智能摄像头。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711014281.6A CN107766889B (zh) | 2017-10-26 | 2017-10-26 | 一种云端边缘计算融合的深度学习计算系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711014281.6A CN107766889B (zh) | 2017-10-26 | 2017-10-26 | 一种云端边缘计算融合的深度学习计算系统和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107766889A true CN107766889A (zh) | 2018-03-06 |
| CN107766889B CN107766889B (zh) | 2021-06-04 |
Family
ID=61270072
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711014281.6A Active CN107766889B (zh) | 2017-10-26 | 2017-10-26 | 一种云端边缘计算融合的深度学习计算系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107766889B (zh) |
Cited By (63)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108667850A (zh) * | 2018-05-21 | 2018-10-16 | 济南浪潮高新科技投资发展有限公司 | 一种人工智能服务系统及其实现人工智能服务的方法 |
| CN108828409A (zh) * | 2018-08-03 | 2018-11-16 | 南方电网科学研究院有限责任公司 | 一种基于边缘计算的故障检测系统 |
| CN108985461A (zh) * | 2018-06-29 | 2018-12-11 | 深圳昂云鼎科技有限公司 | 一种自主机器学习的方法、装置和终端设备 |
| CN109194926A (zh) * | 2018-10-19 | 2019-01-11 | 济南浪潮高新科技投资发展有限公司 | 一种基于边缘计算的城市安防系统及其检测方法 |
| CN109285100A (zh) * | 2018-10-22 | 2019-01-29 | 国云科技股份有限公司 | 一种基于边缘计算的智慧城市模型系统及其运行方法 |
| CN109343942A (zh) * | 2018-09-03 | 2019-02-15 | 北京邮电大学 | 基于边缘计算网络的任务调度方法 |
| CN109347924A (zh) * | 2018-09-20 | 2019-02-15 | 西北大学 | 一种基于群智感知的推荐方法 |
| CN109446783A (zh) * | 2018-11-16 | 2019-03-08 | 济南浪潮高新科技投资发展有限公司 | 一种基于机器众包的图像识别高效样本采集方法及系统 |
| CN109639805A (zh) * | 2018-12-19 | 2019-04-16 | 上海上实龙创智慧能源科技股份有限公司 | 一种边缘侧与云端的协同控制方法 |
| CN109783619A (zh) * | 2018-12-14 | 2019-05-21 | 广东创我科技发展有限公司 | 一种数据过滤挖掘方法 |
| CN109784267A (zh) * | 2019-01-10 | 2019-05-21 | 济南浪潮高新科技投资发展有限公司 | 一种移动端多源融合图像语义内容生成系统及方法 |
| CN110225116A (zh) * | 2019-06-12 | 2019-09-10 | 上海阿刻忒科技有限公司 | 一种基于边缘计算架构的不确定网络环境下的自适应鲁棒控制方法及系统 |
| CN110309914A (zh) * | 2019-07-03 | 2019-10-08 | 中山大学 | 基于边缘服务器与移动端设备协同的深度学习模型推理加速方法 |
| CN110347500A (zh) * | 2019-06-18 | 2019-10-18 | 东南大学 | 用于边缘计算环境中面向深度学习应用的任务卸载方法 |
| CN110399211A (zh) * | 2018-04-24 | 2019-11-01 | 北京中科寒武纪科技有限公司 | 机器学习的分配系统、方法及装置、计算机设备 |
| CN110415403A (zh) * | 2019-07-17 | 2019-11-05 | 宁波云荆科技有限公司 | 一种基于边缘计算的智能锁具系统的控制方法 |
| CN110502719A (zh) * | 2019-08-06 | 2019-11-26 | 上海展湾信息科技有限公司 | 边缘计算模型管理系统及方法 |
| CN110545307A (zh) * | 2019-07-19 | 2019-12-06 | 中移（杭州）信息技术有限公司 | 边缘计算平台、调用方法及计算机可读存储介质 |
| CN110569911A (zh) * | 2019-09-11 | 2019-12-13 | 深圳绿米联创科技有限公司 | 图像识别方法、装置、系统、电子设备及存储介质 |
| CN110827164A (zh) * | 2019-11-14 | 2020-02-21 | 浙江九州云信息科技有限公司 | 一种基于边缘云的智慧水产养殖管理系统及方法 |
| CN110867189A (zh) * | 2018-08-28 | 2020-03-06 | 北京京东尚科信息技术有限公司 | 一种登陆方法和装置 |
| CN110874637A (zh) * | 2020-01-16 | 2020-03-10 | 支付宝(杭州)信息技术有限公司 | 基于隐私数据保护的多目标融合学习方法、装置和系统 |
| CN111030861A (zh) * | 2019-12-11 | 2020-04-17 | 中移物联网有限公司 | 一种边缘计算分布式模型训练方法、终端和网络侧设备 |
| CN111160321A (zh) * | 2020-02-10 | 2020-05-15 | 杭州大数云智科技有限公司 | 一种电瓶车上梯检测与预警系统 |
| CN111199279A (zh) * | 2019-10-30 | 2020-05-26 | 山东浪潮人工智能研究院有限公司 | 一种警务行业云端边缘计算和人工智能融合方法及装置 |
| CN111242010A (zh) * | 2020-01-10 | 2020-06-05 | 厦门博海中天信息科技有限公司 | 一种基于边缘ai的判断并识别乱扔垃圾人员身份的方法 |
| CN111275182A (zh) * | 2020-01-13 | 2020-06-12 | 西北工业大学 | 基于云计算的深度学习模拟巩固方法 |
| CN111368991A (zh) * | 2018-12-25 | 2020-07-03 | 杭州海康威视数字技术股份有限公司 | 深度学习模型的训练方法、装置及电子设备 |
| CN111368529A (zh) * | 2020-03-17 | 2020-07-03 | 重庆邮电大学 | 基于边缘计算的移动终端敏感词识别方法、装置及系统 |
| CN111385127A (zh) * | 2018-12-29 | 2020-07-07 | 北京华为数字技术有限公司 | 一种智能化处理系统及方法 |
| CN111400040A (zh) * | 2020-03-12 | 2020-07-10 | 重庆大学 | 基于深度学习和边缘计算的工业互联网系统及工作方法 |
| WO2020147286A1 (zh) * | 2019-01-17 | 2020-07-23 | 山东浪潮人工智能研究院有限公司 | 一种边缘端的嵌入式时间序列决策树分类方法及系统 |
| CN111461694A (zh) * | 2020-03-17 | 2020-07-28 | 上海大学 | 一种基于多层次学习模型的菜品识别与计价系统及方法 |
| CN111582016A (zh) * | 2020-03-18 | 2020-08-25 | 宁波送变电建设有限公司永耀科技分公司 | 基于云边协同深度学习的智能免维护电网监控方法及系统 |
| CN111600297A (zh) * | 2020-04-10 | 2020-08-28 | 安徽继远软件有限公司 | 云-边协同下电网设备运行数据的在线分析方法及装置 |
| CN111669291A (zh) * | 2020-06-03 | 2020-09-15 | 北京理工大学 | 基于深度强化学习的虚拟化网络服务功能链部署方法 |
| CN111722532A (zh) * | 2020-06-29 | 2020-09-29 | 重庆跃途科技有限公司 | 一种基于边缘计算技术的智慧教室控制方法及系统 |
| CN111885631A (zh) * | 2019-09-17 | 2020-11-03 | 上海森首科技股份有限公司 | 一种广域仿真模型边界协同方法 |
| CN111917634A (zh) * | 2020-07-02 | 2020-11-10 | 西安交通大学 | 基于pmml的工业网关机器学习模型容器式部署系统及方法 |
| CN111985650A (zh) * | 2020-07-10 | 2020-11-24 | 华中科技大学 | 一种兼顾通用性与个性化的活动识别模型与系统 |
| WO2020232718A1 (zh) * | 2019-05-23 | 2020-11-26 | 西门子股份公司 | 边缘侧模型推断方法、边缘计算设备和计算机可读介质 |
| CN112163873A (zh) * | 2020-10-29 | 2021-01-01 | 杭州谐云科技有限公司 | 一种基于边缘计算的产品质检系统及质检方法 |
| CN112286691A (zh) * | 2020-11-12 | 2021-01-29 | 济南浪潮高新科技投资发展有限公司 | 一种基于异构决策模型生成技术的云边端协同方法 |
| CN112579498A (zh) * | 2019-09-29 | 2021-03-30 | 北京京东振世信息技术有限公司 | 手持设备、请求信息处理方法、装置、系统和存储介质 |
| CN112613790A (zh) * | 2020-12-30 | 2021-04-06 | 国家电网有限公司大数据中心 | 应用于多站融合环境下的协同数据处理方法、设备及介质 |
| CN112671582A (zh) * | 2020-12-25 | 2021-04-16 | 苏州浪潮智能科技有限公司 | 一种基于边缘推理集群的人工智能推理方法和系统 |
| CN112714446A (zh) * | 2020-12-31 | 2021-04-27 | 中国电子科技集团公司第七研究所 | 一种基于边缘智能的协作入侵感知方法 |
| CN112734703A (zh) * | 2020-12-28 | 2021-04-30 | 佛山市南海区广工大数控装备协同创新研究院 | 一种利用ai云端协同检测的pcb缺陷优化方法 |
| CN113014649A (zh) * | 2021-02-26 | 2021-06-22 | 济南浪潮高新科技投资发展有限公司 | 一种基于深度学习的云物联负载均衡方法、装置及设备 |
| CN113037722A (zh) * | 2021-02-26 | 2021-06-25 | 济南浪潮高新科技投资发展有限公司 | 一种边缘计算场景的入侵检测方法及设备 |
| CN113297415A (zh) * | 2021-04-27 | 2021-08-24 | 安徽继远软件有限公司 | 面向电力边缘侧的边缘视频分析智能服务方法及系统 |
| CN113691579A (zh) * | 2021-06-30 | 2021-11-23 | 山东新一代信息产业技术研究院有限公司 | 一种基于云边端的机器人ai服务方法及系统 |
| CN113778483A (zh) * | 2021-08-20 | 2021-12-10 | 北京理工大学 | 一种云边端赋能的装备决策及安全空中升级装置和方法 |
| WO2022037231A1 (en) * | 2020-08-20 | 2022-02-24 | International Business Machines Corporation | Hybrid ensemble model leveraging edge and server side inference |
| EP3907641A4 (en) * | 2019-01-09 | 2022-03-02 | Wangsu Science & Technology Co., Ltd. | INTELLIGENT MANAGEMENT PROCEDURE AND SYSTEM BASED ON EDGE COMPUTING |
| CN114184232A (zh) * | 2021-12-10 | 2022-03-15 | 重庆大学 | 一种输电线路多参量集成监测系统 |
| CN114254766A (zh) * | 2021-12-10 | 2022-03-29 | 智己汽车科技有限公司 | 一种车云两端联合训练机器学习模型的方法及系统 |
| WO2022116325A1 (zh) * | 2020-12-04 | 2022-06-09 | 中国科学院深圳先进技术研究院 | 一种边缘计算下神经网络推理的节能方法 |
| CN114640669A (zh) * | 2020-11-30 | 2022-06-17 | 中国移动通信有限公司研究院 | 边缘计算方法及装置 |
| CN115599529A (zh) * | 2022-11-15 | 2023-01-13 | 阿里巴巴（中国）有限公司（Cn） | 边缘云函数计算系统和方法 |
| CN116543563A (zh) * | 2023-07-07 | 2023-08-04 | 深圳市国硕宏电子有限公司 | 一种基于云计算和深度学习的数据分析方法 |
| CN117041290A (zh) * | 2023-08-08 | 2023-11-10 | 广州融新智能科技有限公司 | 一种智能交通数据交互方法、平台及系统 |
| CN114254766B (zh) * | 2021-12-10 | 2024-07-05 | 智己汽车科技有限公司 | 一种车云两端联合训练机器学习模型的方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101969475A (zh) * | 2010-11-15 | 2011-02-09 | 张军 | 基于云计算的商业数据可控分发与融合应用系统 |
| US20130132948A1 (en) * | 2011-11-21 | 2013-05-23 | Adiseshu Hari | Personal cloud computing and virtual distributed cloud computing system |
| CN103366593A (zh) * | 2012-03-27 | 2013-10-23 | 哈尔滨工业大学深圳研究生院 | 一种基于云计算的智能停车导航系统 |
| US20130290223A1 (en) * | 2012-04-27 | 2013-10-31 | Yahoo! Inc. | Method and system for distributed machine learning |
| CN106027300A (zh) * | 2016-05-23 | 2016-10-12 | 深圳市飞仙智能科技有限公司 | 一种应用神经网络的智能机器人参数优化系统及方法 |
| CN106452919A (zh) * | 2016-11-24 | 2017-02-22 | 济南浪潮高新科技投资发展有限公司 | 一种基于模糊理论的雾节点优化方法 |
| CN107018534A (zh) * | 2016-01-28 | 2017-08-04 | 中兴通讯股份有限公司 | 一种实现移动边缘计算服务的方法、装置及系统 |
-
2017
- 2017-10-26 CN CN201711014281.6A patent/CN107766889B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101969475A (zh) * | 2010-11-15 | 2011-02-09 | 张军 | 基于云计算的商业数据可控分发与融合应用系统 |
| US20130132948A1 (en) * | 2011-11-21 | 2013-05-23 | Adiseshu Hari | Personal cloud computing and virtual distributed cloud computing system |
| CN103366593A (zh) * | 2012-03-27 | 2013-10-23 | 哈尔滨工业大学深圳研究生院 | 一种基于云计算的智能停车导航系统 |
| US20130290223A1 (en) * | 2012-04-27 | 2013-10-31 | Yahoo! Inc. | Method and system for distributed machine learning |
| CN107018534A (zh) * | 2016-01-28 | 2017-08-04 | 中兴通讯股份有限公司 | 一种实现移动边缘计算服务的方法、装置及系统 |
| CN106027300A (zh) * | 2016-05-23 | 2016-10-12 | 深圳市飞仙智能科技有限公司 | 一种应用神经网络的智能机器人参数优化系统及方法 |
| CN106452919A (zh) * | 2016-11-24 | 2017-02-22 | 济南浪潮高新科技投资发展有限公司 | 一种基于模糊理论的雾节点优化方法 |
Non-Patent Citations (2)
| Title |
|---|
| YUANFANG CHEN ET AL.: "Deep Learing for Secure Mobile Edge Computing", 《ARXIV》 * |
| 刘俊奇 等: "大数据时代下的新型计算模型——边缘计算", 《电脑知识与技术》 * |
Cited By (84)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110399211A (zh) * | 2018-04-24 | 2019-11-01 | 北京中科寒武纪科技有限公司 | 机器学习的分配系统、方法及装置、计算机设备 |
| CN108667850A (zh) * | 2018-05-21 | 2018-10-16 | 济南浪潮高新科技投资发展有限公司 | 一种人工智能服务系统及其实现人工智能服务的方法 |
| CN108667850B (zh) * | 2018-05-21 | 2020-10-27 | 浪潮集团有限公司 | 一种人工智能服务系统及其实现人工智能服务的方法 |
| CN108985461A (zh) * | 2018-06-29 | 2018-12-11 | 深圳昂云鼎科技有限公司 | 一种自主机器学习的方法、装置和终端设备 |
| CN108985461B (zh) * | 2018-06-29 | 2020-12-15 | 深圳昂云鼎科技有限公司 | 一种自主机器学习的方法、装置和终端设备 |
| CN108828409A (zh) * | 2018-08-03 | 2018-11-16 | 南方电网科学研究院有限责任公司 | 一种基于边缘计算的故障检测系统 |
| CN110867189A (zh) * | 2018-08-28 | 2020-03-06 | 北京京东尚科信息技术有限公司 | 一种登陆方法和装置 |
| CN109343942B (zh) * | 2018-09-03 | 2020-11-03 | 北京邮电大学 | 基于边缘计算网络的任务调度方法 |
| CN109343942A (zh) * | 2018-09-03 | 2019-02-15 | 北京邮电大学 | 基于边缘计算网络的任务调度方法 |
| CN109347924A (zh) * | 2018-09-20 | 2019-02-15 | 西北大学 | 一种基于群智感知的推荐方法 |
| CN109194926A (zh) * | 2018-10-19 | 2019-01-11 | 济南浪潮高新科技投资发展有限公司 | 一种基于边缘计算的城市安防系统及其检测方法 |
| CN109285100A (zh) * | 2018-10-22 | 2019-01-29 | 国云科技股份有限公司 | 一种基于边缘计算的智慧城市模型系统及其运行方法 |
| CN109446783A (zh) * | 2018-11-16 | 2019-03-08 | 济南浪潮高新科技投资发展有限公司 | 一种基于机器众包的图像识别高效样本采集方法及系统 |
| CN109446783B (zh) * | 2018-11-16 | 2023-07-25 | 山东浪潮科学研究院有限公司 | 一种基于机器众包的图像识别高效样本采集方法及系统 |
| CN109783619A (zh) * | 2018-12-14 | 2019-05-21 | 广东创我科技发展有限公司 | 一种数据过滤挖掘方法 |
| CN109639805A (zh) * | 2018-12-19 | 2019-04-16 | 上海上实龙创智慧能源科技股份有限公司 | 一种边缘侧与云端的协同控制方法 |
| CN111368991A (zh) * | 2018-12-25 | 2020-07-03 | 杭州海康威视数字技术股份有限公司 | 深度学习模型的训练方法、装置及电子设备 |
| CN111368991B (zh) * | 2018-12-25 | 2023-05-26 | 杭州海康威视数字技术股份有限公司 | 深度学习模型的训练方法、装置及电子设备 |
| CN111385127B (zh) * | 2018-12-29 | 2021-07-09 | 北京华为数字技术有限公司 | 一种智能化处理系统及方法 |
| CN111385127A (zh) * | 2018-12-29 | 2020-07-07 | 北京华为数字技术有限公司 | 一种智能化处理系统及方法 |
| EP3907641A4 (en) * | 2019-01-09 | 2022-03-02 | Wangsu Science & Technology Co., Ltd. | INTELLIGENT MANAGEMENT PROCEDURE AND SYSTEM BASED ON EDGE COMPUTING |
| CN109784267A (zh) * | 2019-01-10 | 2019-05-21 | 济南浪潮高新科技投资发展有限公司 | 一种移动端多源融合图像语义内容生成系统及方法 |
| CN109784267B (zh) * | 2019-01-10 | 2021-10-15 | 山东浪潮科学研究院有限公司 | 一种移动端多源融合图像语义内容生成系统及方法 |
| WO2020147286A1 (zh) * | 2019-01-17 | 2020-07-23 | 山东浪潮人工智能研究院有限公司 | 一种边缘端的嵌入式时间序列决策树分类方法及系统 |
| WO2020232718A1 (zh) * | 2019-05-23 | 2020-11-26 | 西门子股份公司 | 边缘侧模型推断方法、边缘计算设备和计算机可读介质 |
| CN113412495A (zh) * | 2019-05-23 | 2021-09-17 | 西门子股份公司 | 边缘侧模型推断方法、边缘计算设备和计算机可读介质 |
| CN110225116A (zh) * | 2019-06-12 | 2019-09-10 | 上海阿刻忒科技有限公司 | 一种基于边缘计算架构的不确定网络环境下的自适应鲁棒控制方法及系统 |
| CN110347500A (zh) * | 2019-06-18 | 2019-10-18 | 东南大学 | 用于边缘计算环境中面向深度学习应用的任务卸载方法 |
| CN110347500B (zh) * | 2019-06-18 | 2023-05-23 | 东南大学 | 用于边缘计算环境中面向深度学习应用的任务卸载方法 |
| CN110309914A (zh) * | 2019-07-03 | 2019-10-08 | 中山大学 | 基于边缘服务器与移动端设备协同的深度学习模型推理加速方法 |
| CN110415403A (zh) * | 2019-07-17 | 2019-11-05 | 宁波云荆科技有限公司 | 一种基于边缘计算的智能锁具系统的控制方法 |
| CN110545307A (zh) * | 2019-07-19 | 2019-12-06 | 中移（杭州）信息技术有限公司 | 边缘计算平台、调用方法及计算机可读存储介质 |
| CN110502719A (zh) * | 2019-08-06 | 2019-11-26 | 上海展湾信息科技有限公司 | 边缘计算模型管理系统及方法 |
| CN110569911B (zh) * | 2019-09-11 | 2022-06-07 | 深圳绿米联创科技有限公司 | 图像识别方法、装置、系统、电子设备及存储介质 |
| CN110569911A (zh) * | 2019-09-11 | 2019-12-13 | 深圳绿米联创科技有限公司 | 图像识别方法、装置、系统、电子设备及存储介质 |
| CN111885631B (zh) * | 2019-09-17 | 2024-05-03 | 上海森首科技股份有限公司 | 一种广域仿真模型边界协同方法 |
| CN111885631A (zh) * | 2019-09-17 | 2020-11-03 | 上海森首科技股份有限公司 | 一种广域仿真模型边界协同方法 |
| CN112579498A (zh) * | 2019-09-29 | 2021-03-30 | 北京京东振世信息技术有限公司 | 手持设备、请求信息处理方法、装置、系统和存储介质 |
| CN111199279A (zh) * | 2019-10-30 | 2020-05-26 | 山东浪潮人工智能研究院有限公司 | 一种警务行业云端边缘计算和人工智能融合方法及装置 |
| CN110827164A (zh) * | 2019-11-14 | 2020-02-21 | 浙江九州云信息科技有限公司 | 一种基于边缘云的智慧水产养殖管理系统及方法 |
| CN111030861A (zh) * | 2019-12-11 | 2020-04-17 | 中移物联网有限公司 | 一种边缘计算分布式模型训练方法、终端和网络侧设备 |
| CN111030861B (zh) * | 2019-12-11 | 2022-05-31 | 中移物联网有限公司 | 一种边缘计算分布式模型训练方法、终端和网络侧设备 |
| CN111242010A (zh) * | 2020-01-10 | 2020-06-05 | 厦门博海中天信息科技有限公司 | 一种基于边缘ai的判断并识别乱扔垃圾人员身份的方法 |
| CN111275182A (zh) * | 2020-01-13 | 2020-06-12 | 西北工业大学 | 基于云计算的深度学习模拟巩固方法 |
| CN110874637A (zh) * | 2020-01-16 | 2020-03-10 | 支付宝(杭州)信息技术有限公司 | 基于隐私数据保护的多目标融合学习方法、装置和系统 |
| CN111160321A (zh) * | 2020-02-10 | 2020-05-15 | 杭州大数云智科技有限公司 | 一种电瓶车上梯检测与预警系统 |
| CN111400040A (zh) * | 2020-03-12 | 2020-07-10 | 重庆大学 | 基于深度学习和边缘计算的工业互联网系统及工作方法 |
| CN111461694B (zh) * | 2020-03-17 | 2023-07-18 | 上海大学 | 一种基于多层次学习模型的菜品识别与计价系统及方法 |
| CN111368529B (zh) * | 2020-03-17 | 2022-07-01 | 重庆邮电大学 | 基于边缘计算的移动终端敏感词识别方法、装置及系统 |
| CN111368529A (zh) * | 2020-03-17 | 2020-07-03 | 重庆邮电大学 | 基于边缘计算的移动终端敏感词识别方法、装置及系统 |
| CN111461694A (zh) * | 2020-03-17 | 2020-07-28 | 上海大学 | 一种基于多层次学习模型的菜品识别与计价系统及方法 |
| CN111582016A (zh) * | 2020-03-18 | 2020-08-25 | 宁波送变电建设有限公司永耀科技分公司 | 基于云边协同深度学习的智能免维护电网监控方法及系统 |
| CN111600297B (zh) * | 2020-04-10 | 2023-06-09 | 安徽继远软件有限公司 | 云-边协同下电网设备运行数据的在线分析方法及装置 |
| CN111600297A (zh) * | 2020-04-10 | 2020-08-28 | 安徽继远软件有限公司 | 云-边协同下电网设备运行数据的在线分析方法及装置 |
| CN111669291B (zh) * | 2020-06-03 | 2021-06-01 | 北京理工大学 | 基于深度强化学习的虚拟化网络服务功能链部署方法 |
| CN111669291A (zh) * | 2020-06-03 | 2020-09-15 | 北京理工大学 | 基于深度强化学习的虚拟化网络服务功能链部署方法 |
| CN111722532A (zh) * | 2020-06-29 | 2020-09-29 | 重庆跃途科技有限公司 | 一种基于边缘计算技术的智慧教室控制方法及系统 |
| CN111917634B (zh) * | 2020-07-02 | 2021-07-13 | 西安交通大学 | 基于pmml的工业网关机器学习模型容器式部署系统及方法 |
| CN111917634A (zh) * | 2020-07-02 | 2020-11-10 | 西安交通大学 | 基于pmml的工业网关机器学习模型容器式部署系统及方法 |
| CN111985650A (zh) * | 2020-07-10 | 2020-11-24 | 华中科技大学 | 一种兼顾通用性与个性化的活动识别模型与系统 |
| WO2022037231A1 (en) * | 2020-08-20 | 2022-02-24 | International Business Machines Corporation | Hybrid ensemble model leveraging edge and server side inference |
| GB2611699A (en) * | 2020-08-20 | 2023-04-12 | Ibm | Hybrid ensemble model leveraging edge and server side inference |
| CN112163873A (zh) * | 2020-10-29 | 2021-01-01 | 杭州谐云科技有限公司 | 一种基于边缘计算的产品质检系统及质检方法 |
| CN112286691A (zh) * | 2020-11-12 | 2021-01-29 | 济南浪潮高新科技投资发展有限公司 | 一种基于异构决策模型生成技术的云边端协同方法 |
| CN114640669A (zh) * | 2020-11-30 | 2022-06-17 | 中国移动通信有限公司研究院 | 边缘计算方法及装置 |
| WO2022116325A1 (zh) * | 2020-12-04 | 2022-06-09 | 中国科学院深圳先进技术研究院 | 一种边缘计算下神经网络推理的节能方法 |
| CN112671582A (zh) * | 2020-12-25 | 2021-04-16 | 苏州浪潮智能科技有限公司 | 一种基于边缘推理集群的人工智能推理方法和系统 |
| CN112734703A (zh) * | 2020-12-28 | 2021-04-30 | 佛山市南海区广工大数控装备协同创新研究院 | 一种利用ai云端协同检测的pcb缺陷优化方法 |
| CN112613790A (zh) * | 2020-12-30 | 2021-04-06 | 国家电网有限公司大数据中心 | 应用于多站融合环境下的协同数据处理方法、设备及介质 |
| CN112714446A (zh) * | 2020-12-31 | 2021-04-27 | 中国电子科技集团公司第七研究所 | 一种基于边缘智能的协作入侵感知方法 |
| CN112714446B (zh) * | 2020-12-31 | 2023-05-02 | 中国电子科技集团公司第七研究所 | 一种基于边缘智能的协作入侵感知方法 |
| CN113037722B (zh) * | 2021-02-26 | 2022-06-07 | 山东浪潮科学研究院有限公司 | 一种边缘计算场景的入侵检测方法及设备 |
| CN113014649A (zh) * | 2021-02-26 | 2021-06-22 | 济南浪潮高新科技投资发展有限公司 | 一种基于深度学习的云物联负载均衡方法、装置及设备 |
| CN113037722A (zh) * | 2021-02-26 | 2021-06-25 | 济南浪潮高新科技投资发展有限公司 | 一种边缘计算场景的入侵检测方法及设备 |
| CN113297415A (zh) * | 2021-04-27 | 2021-08-24 | 安徽继远软件有限公司 | 面向电力边缘侧的边缘视频分析智能服务方法及系统 |
| CN113691579A (zh) * | 2021-06-30 | 2021-11-23 | 山东新一代信息产业技术研究院有限公司 | 一种基于云边端的机器人ai服务方法及系统 |
| CN113778483A (zh) * | 2021-08-20 | 2021-12-10 | 北京理工大学 | 一种云边端赋能的装备决策及安全空中升级装置和方法 |
| CN114254766A (zh) * | 2021-12-10 | 2022-03-29 | 智己汽车科技有限公司 | 一种车云两端联合训练机器学习模型的方法及系统 |
| CN114184232A (zh) * | 2021-12-10 | 2022-03-15 | 重庆大学 | 一种输电线路多参量集成监测系统 |
| CN114254766B (zh) * | 2021-12-10 | 2024-07-05 | 智己汽车科技有限公司 | 一种车云两端联合训练机器学习模型的方法及系统 |
| CN115599529A (zh) * | 2022-11-15 | 2023-01-13 | 阿里巴巴（中国）有限公司（Cn） | 边缘云函数计算系统和方法 |
| CN116543563A (zh) * | 2023-07-07 | 2023-08-04 | 深圳市国硕宏电子有限公司 | 一种基于云计算和深度学习的数据分析方法 |
| CN117041290A (zh) * | 2023-08-08 | 2023-11-10 | 广州融新智能科技有限公司 | 一种智能交通数据交互方法、平台及系统 |
| CN117041290B (zh) * | 2023-08-08 | 2024-04-09 | 广州融新智能科技有限公司 | 一种智能交通数据交互方法、平台及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107766889B (zh) | 2021-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107766889A (zh) | 一种云端边缘计算融合的深度学习计算系统和方法 | |
| CN107871164B (zh) | 一种雾计算环境个性化深度学习方法 | |
| Chen et al. | Label-less learning for traffic control in an edge network | |
| CN106027300B (zh) | 一种应用神经网络的智能机器人参数优化系统及方法 | |
| CN110287945A (zh) | 一种5g环境下无人机目标检测方法 | |
| CN107397658B (zh) | 一种多尺度全卷积网络及视觉导盲方法和装置 | |
| CN106341842A (zh) | 一种无线传感器网络数据的传输方法及装置 | |
| CN101282243A (zh) | 无线传感器网络分布式融合识别方法 | |
| CN109241846A (zh) | 遥感影像的时空变化估测方法、装置与存储介质 | |
| CN106934497A (zh) | 基于深度学习的智慧小区用电量实时预测方法及装置 | |
| CN109684087A (zh) | 运算方法、装置及相关产品 | |
| CN109446783A (zh) | 一种基于机器众包的图像识别高效样本采集方法及系统 | |
| CN108923983A (zh) | 机会网络链路的预测方法、装置及可读存储介质 | |
| CN106304191A (zh) | 一种基于分簇结构无线传感器网络的数据接收方法及装置 | |
| CN107730501A (zh) | 一种鱼体尾频检测方法和系统 | |
| CN109743356A (zh) | 工业互联网数据采集方法及装置、可读存储介质和终端 | |
| CN109816271A (zh) | 基于共享单车轨迹数据的自行车道服务水平评价方法 | |
| CN109257204A (zh) | 一种软件定义网络中基于深度学习的网络节能装置及方法 | |
| CN108629627A (zh) | 一种移动广告的自动投放控制方法 | |
| CN102646312B (zh) | 一种适于分布式并行处理的森林烟火监测识别方法 | |
| CN114169506A (zh) | 一种基于工业物联网平台的深度学习边缘计算系统框架 | |
| CN112380928A (zh) | 基于圆系有限穿越可视图建网的调制信号分类方法及系统 | |
| CN109685288A (zh) | 一种分布式交通流预测方法及系统 | |
| Zarghami et al. | Evaluation of different group multi-criteria decision making methods in selection of water transfer projects to Urmia Lake Basin | |
| CN112380931A (zh) | 一种基于子图网络的调制信号分类方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210514 Address after: No. 1036, Shandong high tech Zone wave road, Ji'nan, Shandong Applicant after: INSPUR GROUP Co.,Ltd. Address before: 250100 First Floor of R&D Building 2877 Kehang Road, Sun Village Town, Jinan High-tech Zone, Shandong Province Applicant before: JINAN INSPUR HI-TECH INVESTMENT AND DEVELOPMENT Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |