［苏蕾 岳胜］

1 介绍

近些年，深度学习成为许多信息领域中的重要方法，比如视觉识别、自然语言处理以及生物信息学[1，2]。深度学习是一个强有力的处理海量数据的工具。而在物联网领域中，每天都产生大量的真实的物联网络数据，而传统的机器学习技术不能有效地处理这些带噪声的、复杂背景的数据。然而深度学习被认为是最有希望解决这类问题的方法[3]。深度学习也应用被广泛地引入到物联网以及智能手机等相关的应用中，并取得了令人鼓舞的成绩。例如，利用智能电表所收集的数据，深度学习能准确地预测家庭用电量，这个技术可以提高智能电网的供电调节效率[4]。由于深度学习能高效处理复杂数据，因此深度学习将在未来的物联网设备中扮演很重要的角色。

边缘计算是物联网服务中很重要的技术[5～7]。由于数据传输的网络性能有限，集中式云计算结构对处理和分析从物联网设备收集的大量数据的效率越来越低[8，9]。随着边缘计算将计算任务从集中式的中心云端转到接近物联网设备的边缘侧，通过预处理能极大减小需要传输的数据量。当中间数据尺度比输入数据要小时，边缘计算表现非常好。

一个典型的深度学习模型通常有许多神经网络层。为了能更好地描述数据，我们可以不断增加网络的层数直到网络表达能力足够，同时可以利用网络学习更低维的中间数据。因此，深度学习非常适应边缘计算的环境，首先将原始数据，利用深度学习网络，在边缘设备上计算数据一个更低维的中间数据，然后将低维的数据处理结果传输到核心的云服务。……