本文介绍智慧城市物联网关的技术特点,智慧城市物联网关R40B集无线接入网络、边缘计算、数据采集、协议转换、逻辑控制、网络故障监测等于一体。
1
IIOT工业物联网关BL102具有工业现场的边缘侧进行数据采集、处理、逻辑控制及传输功能的IIOT物联网关,可以大幅提高数据处理能力,降低上位机系统的压力,真正发挥工业数据的真正价值。
1
边缘计算参考架构2.0.pdf
2021-10-15 13:02:47 3.8MB 报告 方案
边缘计算在智能制造中的解决方案.pdf
2021-10-15 13:02:39 4.7MB 边缘计算 智能制造
边缘计算参考架构3.0 白皮书.pdf
2021-10-15 13:02:39 5.52MB 边缘计算 白皮书
TinyML 如何使用J-Link擦除存储区域,以及如何下载Image ,解决TinyML不能第二次下载代码问题, 适合刚刚学习TinyML 初学者
2021-10-14 16:04:44 285.26MB TinyML 机器学习 边缘计算 语音控制
1
如何下载Image到 TinyML 中, 适合”学0前“的 准备从事机器学习,语音研发的小伙伴们
2021-10-14 16:04:44 132.57MB TinyML 语音学习 边缘计算 机器学习
1
边缘计算参考架构.pdf
2021-10-14 16:03:12 1.57MB 解决方案
微服务 边缘计算 智能融合终端,iot边缘计算,Java源码
2021-10-14 11:09:00 1.02MB
1
dnn训练matlab代码世贸组织 无线移动边缘计算中用于计算速率最大化的深度神经网络 Python代码可重现我们在无线移动边缘计算[1]上的工作,该技术使用无线通道增益作为输入,将二进制计算模式选择结果用作深度神经网络(DNN)的输出。 这包括: :WPMEC的DNN结构,包括培训结构和测试结构 :所有数据都存储在此子目录中,包括: data _#。mat :培训和测试数据集,其中#是用户号 Prediction _#。mat :DNN_test生成的预测模式选择 weights_biases.mat :受训DNN的参数,可用于在MATLAB中重现此受训DNN。 :运行此文件,包括设置系统参数 关于我们的作品 请参阅发布于的关于此主题的最新优势。 具体而言,提出了一种基于强化学习的在线算法,以最大化无线移动边缘计算网络中的加权计算速率。 数值结果表明,与现有的优化方法相比,所提出的算法可以达到近乎最佳的性能,同时将计算时间显着减少了一个数量级以上。 例如,在30个用户的网络中,DROO的CPU执行等待时间小于0.1秒,即使在快速衰落的环境中,实时和最佳的泛滥也切实可行。 Huang
2021-10-12 12:39:04 19.69MB 系统开源
1