边云智能数据分析与应用

随着“十四五”规划纲要中提出“协同发展云服务与边缘计算服务”的观点，边云智能已成为未来发展的重要趋势。本书依托于政策大背景，旨在向读者介绍边云智能的基础知识和应用。书中分为四个篇章，第一篇章介绍了边云架构的骨架和基础概念，第二篇章介绍了人工智能算法和深度学习模型，第三篇章介绍了云端决策算法和边缘端轻量化算法，第四篇章介绍了边云智能在智慧教育领域的应用。本书可以使读者了解边云计算的基本概念和原理逻辑，熟悉基本的人工智能计算方法和数据分析的逻辑和运用场景。通过数据科学的思路和方法，读者可以将无人系统的数据智能化应用提升，并培养数据导向思维方式，为未来学习智能无人系统科学与技术学科打下基础。本书目标明确，技术优选，强调课程思政和润物无声的教育理念，旨在提高学生的数据科学素养和“用数据”的能力。本书面向智能无人系统科学与技术专业的研究生，涵盖人工智能、大数据分析、数据挖掘和边云计算等学科，具有交叉性的特点。同时，资深从业者也可将其作为参考书籍。

第1章绪论1
1.1边云智能产生的大背景1
1.1.1新一代信息技术的快速发展2
1.1.2国家政策的支持与引导6
1.2边云智能7
1.3边云智能的发展9
1.3.1边云智能的三大发展阶段9
1.3.2城市大脑11
1.4“智能+”新潮头13
1.4.1“智能+”技术新融合13
1.4.2多维度场景应用14
本章习题.15
第2章边云架构16
2.1系统工程方法论17
2.1.1概述17
2.1.2基本方法17
2.2边云智能体系架构模型20
2.2.1概念框架20
2.2.2层次结构22
2.3协同模式23
2.3.1“云-边”协同24
2.3.2“边-边”协同25
2.3.3“边-端”协同27
2.3.4“云-边-端”协同28
2.3.5度量指标28
2.4边云智能架构应用30
2.4.1“云-边-端”区块链30
2.4.2“云-边-端”一体化机器人系统32
本章习题33
第3章深度学习35
3.1深度学习概念36
3.1.1人工智能与机器学习.36
3.1.2深度学习.37
3.1.3神经网络.39
3.2前馈神经网络.39
3.2.1感知机模型.39
3.2.2反向传播.42
3.2.3卷积神经网络.44
3.2.4几种典型的卷积神经网络.47
3.3反馈神经网络.50
3.3.1循环神经网络.50
3.3.2长短期神经网络.53
3.4Transformer神经网络.56
3.4.1编码器单元与解码器单元.58
3.4.2多头注意力机制.59
3.4.3非参位置编码.60
本章习题.61
第4章自然语言处理.62
4.1自然语言处理概述.63
4.1.1自然语言处理简介.63
4.1.2自然语言处理的发展历史.74
4.1.3自然语言处理的应用及面临的挑战.76
4.2文本挖掘.79
4.2.1文本挖掘简介.79
4.2.2文本挖掘算法.81
4.3机器翻译.87
4.3.1机器翻译简介.87
4.3.2机器翻译算法.89
4.4自动问答系统.93
4.4.1自动问答系统简介.93
4.4.2自动问答系统模型.95
4.5语音识别101
4.5.1语音识别简介102
4.5.2语音识别算法103
本章习题105
第5章计算机视觉107
5.1计算机视觉概述107
5.1.1计算机视觉简介108
5.1.2计算机视觉的发展历史109
5.1.3计算机视觉的应用及面临的挑战.110
5.2图像分类.114
5.2.1图像分类简介.114
5.2.2图像分类算法.115
5.3目标检测.119
5.3.1目标检测简介.119
5.3.2目标检测算法120
5.4图像分割123
5.4.1图像分割简介123
5.4.2图像分割算法124
5.5目标跟踪125
5.5.1目标跟踪简介126
5.5.2目标跟踪算法126
本章习题128
第6章边缘轻量化129
6.1边缘轻量化的简介129
6.1.1边缘端对轻量化的需求129
6.1.2什么是边缘轻量化130
6.2模型压缩方法131
6.2.1量化和二值化131
6.2.2网络剪枝131
6.2.3低秩因子分解132
6.2.4参数共享133
6.2.5蒸馏学习133
6.2.6加速网络设计134
6.3模型压缩举例137
6.3.1知识蒸馏137
6.3.2深度压缩139
6.3.3MNASNet143
本章习题145
第7章云端决策146
7.1云端决策简介147
7.1.1云端决策的重要性147
7.1.2云端决策的特点147
7.2云端决策――大数据挖掘149
7.2.1回归分析149
7.2.2聚类150
7.2.3关联规则152
7.3云端决策――推荐算法154
7.3.1基于统计的推荐算法155
7.3.2基于协同过滤的推荐系统155
7.3.3基于内容的推荐系统156
7.3.4基于关联规则的推荐系统158
7.3.5基于网络结构的推荐系统158
本章习题159
第8章边云智能赋能智慧教室160
8.1智慧教室的形成背景与边云框架161
8.1.1智慧教室政策支持与特征分析162
8.1.2基于边云智能的智慧教室框架164
8.1.3基于边云智能建设的智慧教室目标愿景166
8.2智慧教室的边缘端感知技术与应用166
8.2.1无感考勤、表情感知与异常行为识别167
8.2.2边缘端感知模型的压缩与轻量化172
8.3智慧教室的云端决策技术与应用174
8.3.1“教育大脑”大数据分析决策方法174
8.3.2个性化推荐、学习评价与师生互动应用176
8.4“边云智能+”前景展望178
8.4.1边云智能赋能智慧交通178
8.4.2边云智能赋能智慧安防185
本章习题190
习题答案191