自适应集成知识蒸馏框架

异构边缘协同推理精度提升

通过云边协同的知识蒸馏与集成学习，为异构边缘设备生成多样化轻量模型，提升协同推理的泛化能力和动态适应性。

Wu, Shangrui · Li, Yupeng · 王文华 · Guo, Jianxiong · Wentao, Fan · 刘琴 · 贾维嘉 · Yu, Shui · Jiannong, Cao · Tian, Wang

IEEE Journal on Selected Areas in Communications 2025

参数信息

准确率提升

4-10 %

技术优势

提升集成泛化能力

通过云端的知识蒸馏生成多样化轻量模型，为边缘设备间的有效集成学习提供基础。

快速适应动态环境

在边缘侧采用自适应集成技术聚合各设备的预测logits，能够快速适应变化的环境并保持推理效率。

显著提升预测性能

在现实原型上的广泛评估显示，AEKDF相较于传统单模型方法在CIFAR-100上实现了4%至10%的准确率提升。

应用场景

• 边缘智能协同：将多个边缘设备的模型集成，提升协同推理的准确率和鲁棒性。
• 异构设备推理：为异构设备生成各自适配的轻量模型，并聚合其输出以增强整体性能。
• 工业物联网：在动态工业环境中，通过自适应集成实现快速适应和低延迟推理。