互联网
类型
可以朗读
语音朗读
244千字
字数
2025-03-01
发行日期
展开全部
主编推荐语
本书系统性地介绍智能边缘计算所需要的核心技术。
内容简介
本书包括四大部分：第一部分介绍边缘计算的基础、发展历史，以及发展趋势；第二部分介绍面向边缘计算的深度学习技术，包括联邦学习和微小机器学习；第三部分讲述在边缘计算中支撑智能应用的核心优化问题与技术；第四部分阐述如何基于本书中的相关技术，构建实际智能边缘应用。
本书可以为边缘计算、物联网、嵌入式和智能系统、机器学习与应用、网络通信等领域的科研人员和从业者提供一些前沿视野及相关理论、方法和技术支撑，如边缘系统智能能量优化、学习驱动的任务卸载与服务缓存、边缘大数据分析、软件定义边缘网络、网络切片，也可作为相关专业高年级本科生和研究生的课程教材或参考教材。
目录
- 版权信息
- 前言
- 第1章 概述
- 1.1 边缘计算
- 1.1.1 什么是边缘计算
- 1.1.2 边缘计算的背景与发展历史
- 1.1.3 边缘计算的相关技术
- 1.2 智能边缘计算
- 1.2.1 什么是智能边缘计算
- 1.2.2 边缘计算与人工智能
- 1.3 智能边缘计算典型应用
- 1.3.1 智慧城市
- 1.3.2 新型娱乐
- 1.3.3 智能制造
- 1.4 机遇与挑战
- 本章小结
- 参考文献
- 第2章 边缘计算架构与核心技术
- 2.1 边缘计算架构
- 2.1.1 边缘计算平台架构标准
- 2.1.2 边缘计算平台
- 2.1.3 云-边协同架构
- 2.2 边缘计算核心技术
- 2.2.1 边缘智能
- 2.2.2 计算推理卸载
- 2.2.3 第五代通信与网络切片
- 2.2.4 软件定义边缘网络
- 2.2.5 云-边-端协同
- 本章小结
- 参考文献
- 第3章 机器学习基础
- 3.1 机器学习概述
- 3.2 监督学习
- 3.2.1 线性回归
- 3.2.2 k近邻算法
- 3.2.3 决策树
- 3.3 无监督学习
- 3.3.1 k均值聚类
- 3.3.2 谱聚类
- 3.4 半监督学习
- 3.5 深度学习
- 3.5.1 反向传播
- 3.5.2 随机梯度下降
- 3.5.3 学习率衰减
- 3.5.4 最大池化
- 3.6 强化学习
- 3.6.1 Q-Learning
- 3.6.2 Sarsa
- 3.6.3 DQN
- 本章小结
- 参考文献
- 第4章 TinyML
- 4.1 TinyML与边缘嵌入式设备
- 4.2 TinyML的核心技术
- 4.2.1 模型剪枝
- 4.2.2 数据量化
- 4.2.3 轻量化模型设计
- 4.2.4 知识蒸馏
- 4.3 TinyML相关研究
- 4.4 TinyML应用
- 本章小结
- 参考文献
- 第5章 分布式机器学习与联邦学习
- 5.1 分布式机器学习
- 5.1.1 基本概念
- 5.1.2 基本框架
- 5.1.3 挑战与机遇
- 5.2 联邦学习
- 5.2.1 横向联邦学习
- 5.2.2 纵向联邦学习
- 5.2.3 联邦迁移学习
- 5.2.4 联邦学习框架
- 5.3 联邦学习与数据隐私
- 5.3.1 数据隐私保护技术简述
- 5.3.2 国内外联邦学习数据隐私研究
- 5.3.3 联邦学习数据隐私发展方向
- 5.4 联邦学习的激励机制
- 5.4.1 基于博弈论设计的激励机制
- 5.4.2 基于契约理论设计的激励机制
- 5.4.3 基于区块链技术设计的激励机制
- 5.4.4 联邦学习的激励机制未来的发展方向
- 本章小结
- 参考文献
- 第6章 计算、训练与推理任务卸载
- 6.1 任务卸载概述
- 6.1.1 任务卸载的基本概念
- 6.1.2 任务卸载的一般过程
- 6.1.3 任务卸载划分的标准
- 6.1.4 任务卸载的分类
- 6.2 任务卸载的应用场景和系统实例
- 6.2.1 任务卸载的应用场景
- 6.2.2 任务卸载的系统实例
- 6.3 任务卸载的挑战与研究方向
- 6.3.1 常见术语介绍
- 6.3.2 任务卸载的问题与挑战
- 6.3.3 面向延迟的智能卸载
- 6.3.4 面向能耗的智能卸载
- 6.3.5 面向资源的智能卸载
- 6.3.6 面向安全的智能卸载
- 6.3.7 基于博弈的智能卸载
- 6.3.8 面向QoS和QoE的智能卸载
- 6.3.9 其他角度的智能卸载
- 6.3.10 任务卸载的未来研究方向
- 本章小结
- 参考文献
- 第7章 智能服务缓存与优化
- 7.1 服务缓存概述
- 7.1.1 服务缓存概念
- 7.1.2 服务缓存机制
- 7.1.3 服务缓存评价指标
- 7.2 学习驱动的服务缓存
- 7.2.1 面向服务提供商的协同服务缓存
- 7.2.2 面向用户端与边缘侧的协同服务缓存
- 7.2.3 服务缓存评价指标的模型构建
- 7.3 云-边-端融合服务缓存
- 7.3.1 云-边-端融合服务缓存概述
- 7.3.2 云-边-端融合服务缓存策略
- 7.3.3 边缘联盟缓存的优势
- 7.4 服务缓存应用场景
- 7.5 服务缓存策略展望与挑战
- 7.5.1 用户移动性
- 7.5.2 任务卸载协同
- 7.5.3 低成本容错部署
- 7.5.4 隐私安全
- 本章小结
- 参考文献
- 第8章 智能数据管理
- 8.1 边缘数据管理概述
- 8.2 数据隐私
- 8.3 数据完整性
- 8.4 分布式大数据分析
- 8.4.1 数据清洗
- 8.4.2 数据聚合
- 8.4.3 边缘流式计算
- 本章小结
- 参考文献
- 第9章 智能能量优化
- 9.1 能量优化的意义
- 9.2 智能能量优化的基本概念
- 9.2.1 能耗指标
- 9.2.2 能量资源约束下的任务分配
- 9.3 能量智能感知
- 9.3.1 能耗分析
- 9.3.2 能耗追踪与预测
- 9.4 多供能智能系统
- 9.4.1 可持续供能系统
- 9.4.2 电源供能系统
- 9.4.3 能量收集系统
- 本章小结
- 参考文献
- 第10章 智能边缘协同
- 10.1 边缘协同概述
- 10.1.1 边缘协同的意义
- 10.1.2 边缘协同的具体内涵
- 10.2 多形态边缘协同
- 10.2.1 边-云协同
- 10.2.2 边-边协同
- 10.2.3 用户间协同
- 10.3 边缘协同的关键问题与技术
- 10.3.1 边缘协同的关键问题
- 10.3.2 边缘协同的关键技术
- 10.4 边缘协同的智能化发展
- 10.5 智能边缘协同的机遇与挑战
- 本章小结
- 参考文献
- 第11章 智能边缘安全机制
- 11.1 边缘安全的必要性与挑战
- 11.2 边缘服务提供者的安全
- 11.2.1 边缘计算设施安全
- 11.2.2 边缘计算平台安全
- 11.2.3 边缘计算网络安全
- 11.3 边缘服务需求者的安全
- 11.3.1 隐私保护
- 11.3.2 服务安全
- 11.3.3 数据安全
- 11.3.4 身份认证与访问控制
- 11.4 智能边缘安全机制案例
- 11.4.1 智能电网
- 11.4.2 智慧工厂
- 本章小结
- 参考文献
- 第12章 基于边缘计算的Web AR平台实现
- 12.1 概述
- 12.1.1 AR与Web AR
- 12.1.2 Web AR现有解决方案与挑战
- 12.1.3 边缘计算与Web AR
- 12.2 平台介绍
- 12.2.1 硬件平台
- 12.2.2 软件平台
- 12.3 系统实现
- 12.3.1 系统的工作流程
- 12.3.2 用户层实现
- 12.3.3 边缘层实现
- 12.3.4 控制器实现
- 本章小结
- 参考文献
- 推荐阅读
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。
