NTT官方8月24日消息，NTT實現(xiàn)了一種邊緣計算環(huán)境下的異步分布式深度學習技術(shù)（Edge-consensus Learning）。在當前的機器學習中，尤其是深度學習中，通常在一個地方（云）收集數(shù)據(jù)并學習如圖像/語音識別之類的模型。但是，萬物互聯(lián)的IoT時代，很難在云中聚合大量數(shù)據(jù)。同時，從隱私保護的角度來看，將數(shù)據(jù)存儲在本地服務(wù)器/設(shè)備上的需求也越來越大。這項研究的目的是開發(fā)學習算法以獲得共識模型，即使服務(wù)器組中累積了統(tǒng)計不一致的數(shù)據(jù)，并且在服務(wù)器之間異步通信/交換與模型相關(guān)的變量，也可以獲得與在一個地方收集所有數(shù)據(jù)并進行學習而獲得的模型相似的等效模型。與模型相關(guān)的代碼將在Github上發(fā)布，以進行多方面的驗證。今后NTT將與合作伙伴繼續(xù)進行研發(fā)和演示實驗，以期在有望利用邊緣計算的大規(guī)模AI應(yīng)用領(lǐng)域中進行實際應(yīng)用。 
- 云安全挑戰(zhàn)：從API管理開始到結(jié)束
- 將物聯(lián)網(wǎng)與傳統(tǒng)設(shè)備集成：為現(xiàn)有機器進行智能操作改造
- VR在教育中的未來：沉浸式學習體驗
- 智能數(shù)據(jù)云如何重塑企業(yè)個性化
- 建筑物內(nèi)移動覆蓋的電信基礎(chǔ)設(shè)施及其挑戰(zhàn)
- 如何利用人工智能和數(shù)據(jù)分析實現(xiàn)可持續(xù)綠色技術(shù)
- 了解網(wǎng)絡(luò)適配器：提高計算機網(wǎng)絡(luò)效率
- 如何為布線環(huán)境選擇合適的網(wǎng)絡(luò)電纜標簽
- 無線前傳的核心：CPRI無線模塊全面介紹
- 量子計算如何改善供應(yīng)鏈
免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。
