具有机器学习能力的智能边缘计算平台

摘要

在具有多个传感器的本地网络和远程网络之间提供具有机器学习能力的边缘计算平台。机器学习模型使用聚合传感器数据在远程网络中被创建和训练并被部署到边缘平台。在部署之前，该模型被边缘转换(“边缘化”)以在边缘设备的受限资源下以相同或更好的准确度水平以最佳方式运行。“边缘化”模型适用于实时对连续的传感器数据流进行操作并产生推理。推理可用于确定在本地网络中采取的动作，而无需与远程网络通信。边缘平台和远程网络之间的闭环布置提供对基于边缘的模型的定期评估和迭代更新。