PREFACE
前言

隨著第五代移動通信技術（簡稱5G）的快速發展，運行在移動終端的人工智能應用成為主流，例如人臉識別、增強現實等先進技術廣泛應用于教育、醫療、精密儀器檢修、仿真等多個領域。5G提供人與物、物與物，以及不同地域之間設備的互聯，進一步促進了人工智能的發展和廣泛應用。由于5G網絡中邊緣側存在大量數據與應用，傳統云計算已經無法滿足這些應用對時延和帶寬的要求，智能邊緣計算隨之得到發展。通過將算力部署在邊緣側，智能邊緣計算可以實時響應各種人工智能應用對帶寬、性能等的嚴苛要求。

機遇與挑戰并存。一方面，智能邊緣計算由于邊緣設備的功能、算力等受到限制，而傳統機器學習模型需要大算力，也無法應用到智能邊緣計算中。另一方面，智能邊緣計算節點眾多、算力分布性極強，在和云數據中心協同的同時，需要邊緣節點之間的橫向協同，及高效、智能的任務調度、資源管理方法。

針對以上挑戰，本書結合實例系統性地介紹了智能邊緣計算所需要的核心技術。本書包括四部分：第一部分（第1、2章）介紹邊緣計算的基礎、發展歷史，以及發展趨勢；第二部分（第3～5章）介紹面向邊緣計算的機器學習技術，包括微小機器學習、分布式機器學習和聯邦學習；第三部分（第6～9章）講述在邊緣計算中支撐智能應用的核心優化問題與技術；第四部分（第10～12章）闡述如何基于本書中的相關技術，構建實際智能邊緣應用。

本書可以為邊緣計算、物聯網、嵌入式和智能系統、機器學習與應用、網絡通信等領域的科研人員和從業者提供一些前沿視野及相關理論、方法和技術支撐，如邊緣系統智能能量優化、學習驅動的任務卸載與服務緩存、邊緣大數據分析、軟件定義邊緣網絡、網絡切片，也可作為相關專業高年級本科生和研究生的教材或參考書。