.png){kind=icon}
返回
Edge-cloud collaborative learning for large-scale physical education data processing
.png){kind=icon}
OA
AI
DOI：10.1186/s13677-026-00922-5.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着数字教育的发展，体育教育正产生日益增多的多源数据，包括可穿戴传感记录、训练日志、课堂活动数据以及表现评估结果。这些数据可用于智能教学支持，但其分布式和时间敏感的特性也使得大规模处理困难。云中心式处理可能引入高昂的通信成本和延迟响应，而纯本地边缘处理则缺乏不同站点间的充分全局协调。为解决此问题，本文提出ECL-PE，一个用于大规模体育教育数据处理的边缘-云协同学习框架。在ECL-PE中，边缘节点执行本地预处理和初步更新，而云端进行全局聚合和模型同步。在代表性活动识别数据集上的实验表明，ECL-PE在准确率、宏F1、延迟、收敛行为、压缩更新下的鲁棒性以及累积通信成本方面均优于几种比较方法。本研究基于基准尝试将边缘-云协同学习与分布式体育相关活动数据处理相连接。
Keyword:
Edge-cloud collaboration
Collaborative learning
Distributed education systems
Large-scale data analytics
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
查看更多机构