面向边缘智能的协同训练研究进展

随着万物互联时代的快速到来,海量的数据资源在边缘侧产生,使得基于云计算的传统分布式训练面临网络负载大、能耗高、隐私安全等问题.在此背景下,边缘智能应运而生.边缘智能协同训练作为关键环节,在边缘侧辅助或实现机器学习模型的分布式训练,成为边缘智能研究的一大热点.然而,边缘智能需要协调大量的边缘节点进行机器模型的训练,在边缘场景中存在诸多挑战.因此,通过充分调研现有边缘智能协同训练研究基础,从整体架构和核心模块两方面总结现有的关键技术,围绕边缘智能协同训练在设备异构、设备资源受限和网络环境不稳定等边缘场景下进行训练的挑战及解决方案;从边缘智能协同训练的整体架构和核心模块两大方面进行介绍与总结,关注边缘设备之间的交互框架和大量边缘设备协同训练神经网络模型参数更新问题.最后分析和总结了边缘协同训练存在的诸多挑战和未来展望.

液位计在煤层气分离器上的应用及认识

从液位计出现"假液位"的原因入手,对该问题进行详细的分析,提出在气液分离器下端与液位计连通的部位加装前置过滤装置的新思路。当食盐水过滤液密度大于气液分离器内混合液(水、乳化油、煤粉)密度时,食盐水过滤液会沉入装置的下部并通过液位计连接管进入液位计内,从而隔绝了液位计与气液分离器内混合液的接触,利用U型管原理就可以等量准确读出被测介质的液位。该装置在现场应用以后效果显著,分离器液位计计量误差从措施前40%下降为2%。