CrowdTransfer：在AIoT社区中实现群体知识迁移
机器学习
2024-07-10 v1 人工智能
摘要
人工智能物联网（AIoT）是基于物联网（IoT）与人工智能（AI）技术深度融合的新兴前沿领域。尽管先进的深度学习技术增强了对复杂物联网数据的高效处理与智能分析，但在部署到实际AIoT应用时仍面临显著挑战，例如资源受限和任务需求多样化。知识迁移是一种有效方法，通过避免数据重新收集和模型重新训练的高昂成本来提升学习性能。值得注意的是，尽管已有一些关于迁移学习的宝贵且令人印象深刻的综述，但这些综述以相对孤立的方式介绍方法，且缺乏针对AIoT领域的各种知识迁移技术的最新进展。本综述致力于引入一种新的知识迁移概念，称为群体知识迁移（CrowdTransfer），旨在将从一群智能体中学到的先验知识进行迁移，以降低训练成本并提高模型在真实复杂场景中的性能。特别地，我们从群体智能的角度提出了四种迁移模式，包括衍生、共享、演化和融合模式。在传统迁移学习方法的基础上，我们进一步从三个角度深入探讨了适用于各种AIoT应用的先进群体知识迁移模型。此外，我们探索了AIoT领域的一些应用，例如人类活动识别、城市计算、多机器人系统和智能工厂。最后，我们讨论了AIoT社区中知识迁移的开放性问题并概述了未来研究方向。
引用
@article{arxiv.2407.06485,
title = {CrowdTransfer: Enabling Crowd Knowledge Transfer in AIoT Community},
author = {Yan Liu and Bin Guo and Nuo Li and Yasan Ding and Zhouyangzi Zhang and Zhiwen Yu},
journal= {arXiv preprint arXiv:2407.06485},
year = {2024}
}
备注
This paper has been accepted for publication in IEEE Communications Surveys & Tutorials. Copyright will be transferred without notice, after this version may no longer be accessible