标签
本文全面综述并分类了基于人体通信的联邦学习在体载边缘智能中的应用，并提出了一个名为BODYFED-HBC的调度示例。
本文提出MODIAD，一种面向多模态在线分布式工业异常检测的框架，通过多类智能调度问题和资源高效类级低秩自适应（REC-LoRA）策略解决资源约束问题。在MVTec 3D-AD和Eyecandies数据集上的实验展示了卓越的性能和效率。
本文提出了一种利用边缘智能和TinyML的AI驱动框架，用于智慧城市的能效环境监测，该框架根据时空条件动态激活传感器，以减少能耗并延长传感器寿命。
FusionSense提出了一种面向多模态边缘智能的三阶段近传感器学习框架，通过融合感知滤波同时降低计算与通信开销，在RGB-深度/激光雷达任务上实现高达33倍的能耗节省和显著的数据缩减收益。
AutoMCU是一个利用LLM的多智能体系统，可自动为微控制器单元设计神经网络，在确保硬件约束可行性的同时显著缩短定制时间。