BriefGPT - AI 论文速递
·
边缘学习中资源管理的重新思考：一种联合预训练和微调的设计范式
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种名为联合边缘智能（FEI）的框架，用于评估物联网网络的能量成本和边缘服务器的本地数据处理能力。通过引入映射函数评估边缘服务器的计算负载，并采用基于ADMM的方法优化物联网网络的能量成本和边缘服务器的计算资源利用率。该算法保护数据和拓扑信息，且在有限的模型收敛性能牺牲下提高资源效率。
🎯
关键要点
- 提出了一种新的框架，叫做联合边缘智能（FEI），用于评估物联网网络的能量成本和边缘服务器的本地数据处理能力。
- 引入映射函数来评估边缘服务器的计算负载。
- 采用基于ADMM的方法优化物联网网络的能量成本和边缘服务器的计算资源利用率。
- 所提出的算法保护数据和拓扑信息，不会泄露任何数据。
- 仿真结果表明，FEI框架在有限牺牲模型收敛性能的情况下，显著提高资源效率。
➡️
