物联网时代的新驱力:AI赋能的边缘计算

        2019年1月7日,AZFT物联网实验室的史治国教授主持了以“深度学习网络及其应用”为主题的学术交流会。来自西安电子科技大学,入选新世纪优秀人才支持计划、第五批“青年千人计划“的陈渤教授受邀进行了题为“可解释的概率深度学习网络及其相关应用”的报告。深度学习网络具有较强的感知学习能力,已在目标检测、语义分割等领域获得成功的应用。但是深度学习网络的“黑匣子“问题较为严重,模型原理难以理解,当数据量不足时推理能力欠佳。针对上述问题,陈渤教授通过引入变量分布的方法,提出了一种可以学习因果推理的概率深度模型,在保持深度学习网络感知能力的同时,提高网络的推理能力。目前,这种概率深度模型已经针对雷达信号图的目标检测任务进行了测试,并表现出了优于R-CNN系列算法的性能。深度学习是机器视觉、自然语言处理等领域的重要工具之一,随着边缘计算的发展,深度学习也逐渐从云计算中心走向了嵌入式设备,AI赋能边缘也成为了物联网领域的热点话题之一。陈渤教授的报告为同学们提供了认识深度学习网络的新视角,也引发了同学们对于深度学习应用的深入思考。

 


        陈渤教授在学术交流会上进行报告

        

        2019年1月26日,AZFT物联网实验室的董玮教授在AZFT年会上进行了物联网实验室年度工作计划的汇报。在工作计划中,有四项工作内容与物联网终端的感知及接入技术有关,主要内容是基于LoRa和RFID的位置、环境等感知策略及应用的研究。同时,物联网实验室也将在接下来的一年中继续探索和优化云端一体的物联网开发平台OneLink,并辅以全应用仿真平台TinySim和远程实验室TinyLink+ uDC实现更加迅捷、高效和低成本的物联网开发服务。另外,物联网实验室也将视角投向了边缘计算领域,将着重研究和设计边缘智能计算框架及设计平台,推进边缘计算在物联网服务中的应用。

 


        董玮教授在年会上进行汇报

        

        面对物联网设备和数据的爆发式增长,基于云计算模型的聚合性服务逐渐显露出了其在实时性、网络制约、资源开销和隐私保护上的不足,因此融入边缘计算的云边协同的联合式服务将成为更有效的服务构架。边缘智能计算框架及设计平台是AZFT物联网实验室的研究内容之一,试图构建一个集算法设计、自动编译和计算任务分发等功能为一体的边缘计算开发平台,旨在让深度学习、机器学习等人工智能方法快捷、高效地部署在终端节点上。AI赋能边缘设备的重要挑战之一是如何使用硬件设备有限的资源完成推理任务,AZFT物联网实验室以目标检测任务为切入点,提出了基于FPGA的卷积神经网路的推理加速方案,旨在推动人工智能算法在边缘计算中的应用。


阿里技术 | 达摩院 copyright@2017-2018 阿里巴巴-浙江大学前沿技术联合研究中心《法律声明》
浙公网安备: 33010002000092号
| ICP备案网站信息: 浙B2-20120091-4