.png){kind=icon}
返回
Distributed Machine Learning in Edge Computing: Challenges, Solutions and Future Directions
.png){kind=icon}
PRE
AI
DOI：10.1145/3708495.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
边缘分布式机器学习被广泛应用于智能交通、智能家居、工业制造和地下管网监测等领域，以实现低延迟和实时数据处理与预测。然而，大量计算、存储和通信能力受限的传感和边缘设备的存在，阻碍了大型机器学习模型的部署及其应用。同时，尽管边缘分布式机器学习已形成一个新兴且快速发展的研究领域，但尚未有系统性的综述。本文首先详细阐述了边缘环境下分布式机器学习面临的挑战，如节点资源受限、数据异构性、隐私与安全问题，并总结了模型优化的常用指标。随后，本文详细分析了边缘计算中的并行模式、分布式架构以及模型通信与聚合方案。接着，本文对节点资源受限处理、异构数据处理、攻击与隐私保护进行了全面的分类和详细描述。最后，本文总结了边缘计算中分布式机器学习的应用，并提出了进一步研究的问题与挑战。
Keyword:
Edge computing
distributed machine learning
model optimization
data heterogeneity
communication constraints
期刊
IF:
28
论文数:
2.4K
被引数:
3.5W
机构
暂无机构信息
引用论文
Current controlled voltage source inverter using Hysteresis controller and PI controller采用滞环控制器和PI控制器的电流控制电压源逆变器
PREAI
分享收藏NMR Evidence for a Short, Strong Hydrogen Bond at the Active Site of a Cholinesterase.png)
Biochemistry
BiochemistryIF0
PREAI
分享收藏Precipitation Versus Partitioning Kinetics during the Quenching of Low-Carbon Martensitic SteelsMetals
OAAI
MetalsIF0
OAAI分享收藏
查看更多内容