声明
1绪论
1.1研究背景与意义
1.2国内外研究概况
1.2.1边缘计算研究概况
1.2.2分布式深度神经网络
1.2.3神经网络的模型压缩
1.2.4神经网络的分布式训练
1.3本文主要研究工作
2“云-边”协同计算的DDNN模型
2.1 DDNN特征提取
2.2 DDNN模型系统架构
2.3 DDNN训练策略
2.4多视角数据集预处理
2.5本章小结
3 DDNN推理回归模型
3.1引言
3.2协同推理框架
3.3 cBoF模块
3.3.1 cBoF模型
3.3.2边缘侧特征融合
3.3.3复杂度分析
3.4加权特征融合
3.4.1边缘侧加权特征融合
3.4.2云侧加权特征融合
3.5推理回归模型
3.6实验验证
3.6.1实验评估指标
3.6.2 cBoF参数分析
3.6.3加权特征融合
3.6.4推理回归模型
3.7本章小结
4 DDNN自适应训练框架
4.1引言
4.2自适应加权训练框架
4.2.1训练框架提出
4.2.2基于信息熵的自适应方法（AdaW1）
4.2.3基于概率的自适应方法（AdaW2）
4.3模型结构
4.4对比框架
4.5实验部分
4.5.1 实验设置
4.5.2 AdaW实验
4.5.3扩展的AdaW实验
4.5.4“云-边”协同的对比实验
4.6本章小结
5总结与展望
5.1本文工作总结
5.2下一步工作展望
致谢
参考文献
附录1 攻读硕士学位期间已发表的论文
附录2 攻读硕士学位期间参加的科研项目
