ECC-SNN：面向脉冲神经网络的高性价比边云协同
分布式、并行与集群计算
2025-05-28 v1
摘要
大多数边云协同框架依赖基于云的人工神经网络（ANN）的强大计算与存储能力。然而，这种依赖导致边缘设备与云之间产生巨大的通信开销和高计算能耗，在应用于资源受限的边缘设备时尤为如此。为应对这些挑战，我们提出了 ECC-SNN，一种结合节能脉冲神经网络（SNN）的新型边云协同框架，旨在将更多计算工作负载从云端卸载至边缘，从而提高性价比并减少对云的依赖。ECC-SNN 采用联合训练方法，整合了 ANN 与 SNN 模型，使边缘设备能够利用云模型的知识来提升性能，同时降低能耗与处理延迟。此外，ECC-SNN 具备设备端增量学习算法，使边缘模型能够持续适应动态环境，减少了与频繁云更新请求相关的通信开销与资源消耗。在四个数据集上的大量实验结果表明，ECC-SNN 将准确率提高了 4.15%，平均能耗降低了 79.4%，平均处理延迟降低了 39.1%。
引用
@article{arxiv.2505.20835,
title = {ECC-SNN: Cost-Effective Edge-Cloud Collaboration for Spiking Neural Networks},
author = {Di Yu and Changze Lv and Xin Du and Linshan Jiang and Wentao Tong and Zhenyu Liao and Xiaoqing Zheng and Shuiguang Deng},
journal= {arXiv preprint arXiv:2505.20835},
year = {2025}
}