科技 类型
可以朗读 语音朗读
179千字 字数
2025-06-01 发行日期
展开全部

主编推荐语

本书旨在系统性地介绍无线边缘智能所需要的核心技术。

内容简介

本书包括三大部分：第一部分介绍无线边缘智能产生的背景、基础和发展历史；第二部分介绍无线边缘智能的核心问题与技术，包括无线边缘智能中的数据协同、资源协同、算力协同以及通信纽带；第三部分阐述无线边缘智能协同平台以及热点问题和前沿发展趋势，以及如何基于本书中的相关技术，构建实际边缘智能应用。

目录

  • 版权信息
  • 前言
  • 第1章 概述
  • 1.1 无线边缘智能产生的“大背景”
  • 1.1.1 新基建的诞生
  • 1.1.2 大数据时代的数据洪流
  • 1.1.3 数字经济与数智化
  • 1.2 计算模式的发展历史
  • 1.2.1 云计算
  • 1.2.2 雾计算
  • 1.2.3 边缘计算
  • 1.2.4 移动边缘计算
  • 1.2.5 多接入边缘计算
  • 1.3 无线边缘智能
  • 1.3.1 主要挑战
  • 1.3.2 边缘智能
  • 1.3.3 无线通信融合边缘智能
  • 本章小结
  • 第2章 无线边缘智能中的资源与优化
  • 2.1 任务卸载
  • 2.1.1 计算任务
  • 2.1.2 基本流程
  • 2.1.3 卸载策略
  • 2.1.4 任务拆分
  • 2.1.5 是否卸载
  • 2.2 度量指标
  • 2.2.1 最小化时延
  • 2.2.2 最小化能耗
  • 2.2.3 时延和能耗权衡
  • 2.2.4 数据隐私
  • 2.2.5 信息年龄
  • 2.3 启发式的任务卸载策略
  • 2.3.1 基于Lyapunov优化的任务卸载
  • 2.3.2 基于博弈论的任务卸载
  • 2.3.3 基于马尔可夫决策过程的任务卸载
  • 2.4 智能卸载决策
  • 2.4.1 基于分布式深度学习的任务卸载
  • 2.4.2 基于强化学习的任务卸载
  • 2.4.3 基于深度强化学习的任务卸载
  • 2.4.4 基于模仿学习的任务卸载
  • 2.4.5 基于元强化学习的任务卸载
  • 2.4.6 基于联邦学习的任务卸载
  • 2.4.7 结合区块链的任务卸载
  • 2.5 存在的问题和挑战
  • 2.5.1 数据完整性
  • 2.5.2 资源异构性
  • 2.5.3 时间延迟
  • 2.5.4 能量消耗
  • 本章小结
  • 第3章 云-边-端-网-智体系结构
  • 3.1 整体结构
  • 3.2 融合通信模式
  • 3.2.1 5G使能技术
  • 3.2.2 云网融合
  • 3.2.3 算网融合
  • 3.2.4 云管端融合
  • 3.3 融合计算模式
  • 3.3.1 端云协同
  • 3.3.2 端边协同
  • 3.3.3 边云协同
  • 3.3.4 边边协同
  • 3.3.5 端边云协同
  • 3.4 融合智能模式
  • 3.4.1 DNN模型压缩
  • 3.4.2 DNN模型分割
  • 3.4.3 DNN任务卸载
  • 本章小结
  • 第4章 无线边缘智能中的数据协同
  • 4.1 面临的主要挑战
  • 4.1.1 数据的异构性
  • 4.1.2 数据的可用性
  • 4.1.3 数据的完整性
  • 4.1.4 数据的新鲜度
  • 4.1.5 数据孤岛问题
  • 4.2 边缘数据管理
  • 4.2.1 数据采集
  • 4.2.2 数据传输
  • 4.2.3 数据存储
  • 4.2.4 数据处理
  • 4.3 边缘数据同步
  • 4.3.1 云边端协同分层联邦学习
  • 4.3.2 云边端协同元学习
  • 4.4 无线边缘智能的隐私保护
  • 4.4.1 区块链+深度强化学习
  • 4.4.2 区块链+联邦学习
  • 4.4.3 嵌入区块链的边缘计算仿真平台
  • 4.5 无线边缘智能的能量收集
  • 4.5.1 能量收集系统
  • 4.5.2 能量收集和优化
  • 4.5.3 能量智能感知
  • 本章小结
  • 第5章 无线边缘智能中的算力协同
  • 5.1 算力的基本概念
  • 5.1.1 算力的定义
  • 5.1.2 算力的发展
  • 5.2 面临的主要挑战
  • 5.2.1 算力资源的异构性
  • 5.2.2 算力需求的异构性
  • 5.2.3 算力资源与供需分布不匹配
  • 5.2.4 边缘算力管理困难
  • 5.3 算力感知
  • 5.3.1 算力资源感知
  • 5.3.2 边缘算力位置选择
  • 5.3.3 算力资源的匹配
  • 5.4 算力资源调度
  • 5.4.1 动态资源调度
  • 5.4.2 溢出计算资源调度
  • 5.4.3 异构云资源调度
  • 5.5 DNN模型分割与卸载
  • 5.5.1 面向云边端协同的DNN模型分割
  • 5.5.2 面向云边端协同的DNN模型卸载
  • 5.5.3 DNN模型的查询和卸载
  • 5.5.4 国内外研究现状
  • 5.6 算力网络
  • 5.6.1 算力网络的定义
  • 5.6.2 算力网络的特点
  • 5.6.3 算力网络的发展
  • 本章小结
  • 第6章 无线边缘智能中的通信协同
  • 6.1 移动通信和边缘网络
  • 6.1.1 移动通信技术的发展
  • 6.1.2 移动边缘网络
  • 6.1.3 雾辅助无线网络
  • 6.2 通信系统模型
  • 6.2.1 基准和数据集
  • 6.2.2 复值神经网络
  • 6.2.3 不同环境下的重复训练
  • 6.2.4 信道模型不可知
  • 6.2.5 时变信道快速衰落问题
  • 6.3 端到端的通信系统模型
  • 6.3.1 自编码器
  • 6.3.2 SISO系统的自编码器设计
  • 6.3.3 MIMO系统的自编码器设计
  • 6.3.4 基于EBGAN的通信系统模型
  • 6.3.5 通信系统的端到端学习
  • 6.4 信道状态信息压缩及重建
  • 6.4.1 传统的CSI反馈
  • 6.4.2 基于深度学习的CSI反馈
  • 6.5 解决梯度反向传播的阻塞问题
  • 6.5.1 二阶段训练方法
  • 6.5.2 基于生成对抗网络的训练方法
  • 6.5.3 同步扰动随机逼近算法
  • 6.5.4 基于元学习的训练方法
  • 6.6 恶劣环境下的任务卸载
  • 6.6.1 基于区块链的边缘协作模型
  • 6.6.2 基于故障模型的多目标卸载决策
  • 6.6.3 基于通信、缓存和计算的雾辅助无线网络
  • 6.6.4 计算与通信的协同
  • 本章小结
  • 第7章 边缘智能协同平台
  • 7.1 边缘智能协同的意义
  • 7.2 云边端协同整体架构
  • 7.2.1 云原生操作系统——Kubernetes
  • 7.2.2 边缘计算架构——KubeEdge
  • 7.2.3 端计算架构——EdgeX Foundry
  • 7.3 边缘计算架构
  • 7.3.1 非侵入云原生架构——OpenYurt
  • 7.3.2 百度边缘计算架构——Baetyl
  • 7.3.3 Apache Edgent边缘计算
  • 7.4 边缘智能平台
  • 7.4.1 智能边缘计算平台——EdgeStack
  • 7.4.2 5G MEC开源平台——EdgeGallery
  • 7.4.3 微软Azure IoT Edge
  • 7.4.4 华为IEF
  • 7.5 仿真器
  • 7.5.1 IoT层仿真器
  • 7.5.2 边缘计算层仿真器
  • 7.5.3 雾计算层仿真器
  • 7.5.4 云计算层仿真器
  • 本章小结
  • 第8章 无线边缘智能的前沿趋势
  • 8.1 云原生与边缘计算
  • 8.1.1 虚拟化和容器技术
  • 8.1.2 云原生的概念
  • 8.1.3 计算系统的演进
  • 8.1.4 云原生应用
  • 8.1.5 云原生和无线边缘智能
  • 8.2 数字孪生与无线边缘智能
  • 8.2.1 数字孪生的定义
  • 8.2.2 数字孪生与边缘计算
  • 8.3 元宇宙与无线边缘智能
  • 8.3.1 元宇宙的定义
  • 8.3.2 元宇宙与边缘计算
  • 8.4 Serverless与无线边缘智能
  • 8.4.1 Serverless的定义
  • 8.4.2 Serverless的发展
  • 8.5 车载边缘计算
  • 8.5.1 车联网
  • 8.5.2 车载边缘计算及其应用
  • 8.5.3 通感算一体化
  • 8.6 卫星边缘计算
  • 8.6.1 Serverless与边缘智能
  • 8.6.2 产生的背景
  • 8.6.3 卫星边缘任务卸载
  • 8.6.4 卫星能耗模型
  • 本章小结
  • 参考文献
展开全部

评分及书评

评分不足
1个评分

出版方

机械工业出版社

机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。