面向边缘智能网络的分布式和集中式学习技术探讨.pdfVIP

通信网络中国宽带▪2025年1月

面向边缘智能网络的分布式和集中式学习技术探讨

■黄若琳

随着物联网与5G技术的迅猛发展，边缘智能网络成为实现高效实时数据处理的关键。边缘智能网络通

【摘要】

过在网络边缘部署计算资源与智能算法，显著降低数据传输延迟，提升系统响应速度。分布式与集中式学习作为核心

技术，对提升网络性能、保障数据安全及促进资源高效利用至关重要。本文深入探讨了这两种学习技术在边缘智能网

络中的应用，分析了其优势与挑战，并提出创新优化策略。研究表明，结合分布式学习的灵活性与集中式学习的全局

优化能力，可显著提升边缘智能网络性能，为智能物联网发展提供有力支撑。

边缘智能网络；分布式；集中式；应用

【关键词】

DOI：10.20167/j.cnki.ISSN1673-7911.2025.01.06

0引言效减轻中央网的频宽负荷，提升数据传输的高效与稳定

随着移动终端与物联网设备的激增，网络边缘数据性。另外边缘智能网还具有较强的隐私性。在云环境下，

量爆炸式增长，对数据处理速度与效率提出更高要求。由于要将用户的信息传送到远端的数据中心，因此存在

边缘智能网络通过在边界上配置运算和存储等资源，进着信息泄漏和被利用的危险。然而基于边缘计算的边缘

行现场数据的现场处理和分析，极大地减少了数据的传信息可以很好地保障使用者的信息隐私性与安全性。在

递延迟，提高了系统的响应能力。但是在面向边缘的智此基础上提出了一种基于边界的智能化系统。边缘智能

能化网络中，仍然存在着数据分布不均匀、计算资源受网通过在边界上配置计算和存储等资源，可以更好地适

限和用户隐私安全等问题。而分布式和集中式的两项关应多样化的业务需求，提升系统资源利用效率和总体性

键技术则为上述问题的解决开辟了一条新的道路。通过能。这种优势在物联网和智能制造等方面尤其突出，可

多个任务的平行运行来提升系统的运算和资源的使用；以有效地减少企业的运行费用，并提升企业的生产效率。

而集中式的学习方法是对整体的信息进行集中的分析，2分布式学习技术在边缘智能网络中的应用

从而达到对整个模型的整体优化。本文拟对这两类方法2.1分布式学习的基本原理

在边缘智能网中的具体运用进行研究，剖析它们各自的分布式学习是指将一个大型的学习问题分解为若干

优势和不足，并针对这些问题进行创新性的研究，以期个不同的子问题，然后在不同的运算结点上进行并行处

为我国边缘智能网的发展奠定坚实的基础。理。其主要思路是充分发挥分布式计算的优势，将单个

1边缘智能网络概述节点上的大量学习任务进行拆分，实现各个结点对部分

边缘智能网是边缘计算和人工智能技术的有机结合，数据的自主加工，并以此为基础实现对各个结点的运算，

通过在网络边界上配置计算、存储和智能计算等手段，最后通过对各个结点的运算进行整合，从而形成一个完

对海量数据进行现场处理和分析。这种新型的通信方式整的学习模型。分布式学习既可提升运算速度，又可满

不但可以大大减少网络中的数据传递延迟，而且可以大足海量数据处理要求，是实现边缘智能化数据高效实时

[2]

幅度提高网络的反应能力和总体性能。边缘智能化网络处理的关键技术。

相对于传统的云模型有着明显的优点。首先边缘智能网在分布式学习