节能联邦神经架构搜索

边云精度齐升

在保证边缘设备个性化模型与云端全局模型协同进化的同时,将通信与能耗开销显著压低,为工业边缘智能部署提供更省电的架构搜索路径。

王晓飞 · Zhao, Yunfeng · Qiu, Chao · 高菲 · Zebo, Zhao · 姚海鹏 · 李秀华

IEEE Journal on Selected Areas in Communications 2025

参数信息

边缘设备精度提升
30.31 %
云端精度提升
38.75 %
能耗降低
65.2 %
边缘设备精度提升
13.38 %
云端精度提升
302.46 %
能耗降低
44.8 %

技术优势

边缘精度更高

细粒度聚合策略为每个设备自适应调整权重,使本地模型更贴合设备自身的数据分布。

云端模型更强

双向知识迁移机制利用异构神经块,在不同结构的模型之间传递有用知识,提升全局模型表现。

通信能耗更低

自适应通信策略根据模型性能优化边缘设备与云端的交互频率,在保持协作效果的同时减少能量消耗。

应用场景