面向邊緣部署場(chǎng)景的輕量神經(jīng)網(wǎng)絡(luò)修復(fù)算法

摘要： 隨著深度學(xué)習(xí)技術(shù)的不斷進(jìn)步,神經(jīng)網(wǎng)絡(luò)在各領(lǐng)域得到廣泛應(yīng)用,特別是在邊緣計(jì)算環(huán)境中,例如智能交通和新型電網(wǎng)等典型場(chǎng)景.然而,神經(jīng)網(wǎng)絡(luò)的可靠性問(wèn)題限制了其在真實(shí)世界的廣泛應(yīng)用.在復(fù)雜的邊緣環(huán)境中,預(yù)訓(xùn)練模型往往因未涵蓋所有可能的邊緣情況而性能下降.因此,針對(duì)部署中的神經(jīng)網(wǎng)絡(luò)進(jìn)行高效修復(fù)成為一個(gè)關(guān)鍵的研究課題.傳統(tǒng)修復(fù)方法通常涉及整個(gè)模型的重新訓(xùn)練,這在邊緣場(chǎng)景中具有諸多局限性.首先...