شبكه هاي عصبي كانولوشني مقاوم در برابر خطا توزيع شده بر روي لبه شبكه و مه

شبكه هاي عصبي كانولوشني ويژگيهاي مناسب از دادهها استخراج ميكنند، اما لايه هاي كانولوشن باعث افزايش حافظه مورد نياز، تاخير و مصرف انرژي مي شوند و نيازمند مجموعه آموزش بزرگي براي آموزش شبكه عصبي ميباشند. اين شبكه ميتواند در لبه شبكه، مه و ابر توزيع شود، اما توزيع شبكه عصبي كانولوشني در ابر ميتواند خطرات حريم خصوصي و تاخير را افزايش دهد. در اين مقاله، يك ساختار جديد شبكه عصبي كانولوشني مقاوم در برابر خرابي با توزيع بخش هاي شبكه عصبي بر روي دستگاه هاي پاياني و لبه شبكه، پيشنهاد ميشود. با تقسيم يك شبكه عصبي بزرگ به چندين شبكه عصبي كوچكتر و توزيع آن بر روي دستگاه هاي پاياني، دقت كاهش نمييابد و مشكل كمبود منابع دستگاه هاي لبه شبكه جهت اجراي شبكه عصبي نيز حل ميشود. با اين حال، در صورت خراب شدن يك دستگاه لبه شبكه، دقت كاهش پيدا ميكند. بنابراين، در لبه شبكه و يا در مه، يك ماژول اصلاح كننده استفاده مي نماييم تا از كاهش دقت شبكه عصبي توزيع شده جلوگيري شود. اين ماژول با استفاده از شبكه هاي عصبي توزيع شده در دستگاه هاي پاياني ساخته ميشود و دقت را حدود يك درصد نسبت به حالتي كه يكي از دستگاه هاي پاياني خراب گردد، افزايش مي دهد.