English(EN) Proportional-Fair Resource Allocation and Dual-Threshold Early-Exit Inference for Secure Cooperative Multi-Layer Edge Intelligence

新的边缘智能框架FREDI优化资源分配和推理

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-15 04:00

本文介绍了一个用于安全边缘智能的框架FREDI，该框架优化了协作多层系统的资源分配和推理。FREDI采用双置信度阈值，通过用户设备进行早期退出CNN筛选，并将关键事件卸载到边缘服务器进行详细分类。该系统旨在通过比例公平资源分配和优化的推理阈值来最大化效用，数值结果显示了近乎完美的公平性和可扩展性。 AI

影响这项研究可以提高网络边缘AI推理的效率和安全性，特别是对于事件触发的应用。

排序理由该条目是一篇在arXiv上发表的研究论文，详细介绍了一个新的边缘智能框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 15 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目是一篇在arXiv上发表的研究论文，详细介绍了一个新的边缘智能框架。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Thai T. Vu, John Le, Tu N. Nguyen, Jun Shen, Quang Vinh Duong, Ha Nguyen · 2026-09-15 04:00

面向安全协作多层边缘智能的比例公平资源分配与双阈值早期退出推理

arXiv:2609.15847v1 Announce Type: cross Abstract: This paper proposes FREDI (Fair Resource Allocation for Edge Dual-Threshold Inference), a secure wireless edge-intelligence framework for event-triggered inference in a cooperative user equipment (UE)--edge server (ES)--cloud syst…

本文如何被排名

报道来源 [1]

面向安全协作多层边缘智能的比例公平资源分配与双阈值早期退出推理

相关实体

相关话题