物联网(IoT)已经建立在制造数十亿真实世界的实物和连接到互联网的移动设备的基础上。随着互联设备的兴起，边缘计算的概念越来越突出，并得到了广泛认可。边缘计算提供更接近网络边缘的计算、分析、存储和控制，以解决可伸缩性和延迟问题。

然而，边缘计算在处理不同的物联网设置方面存在问题。这些不同的应用程序产生了大量需要高效处理的大数据。现有架构面临诸多挑战，大数据处理是主要挑战。边缘计算在各种物联网设置中都失败了，因为它在智能处理边缘的要求方面存在缺陷。与人工智能(AI)相结合，可以预见，通过解放边缘数据的前景，人工智能支持的边缘计算可以战胜不断演变的遭遇。新的技能和创新将技术从额外的有效计算模型扩展到更智能的实践，使机器学习发挥到极致。边缘数据需要使用机器学习进行处理。机器学习技术吸引了科学家在物联网环境中实现边缘计算。基于机器学习的物联网边缘智能研究仍处于起步阶段，需要即时响应。目前，边缘计算和机器学习/深度学习技术已经应用到我们生活的方方面面，如教育、工程、管理、经济等。

本期特刊旨在整理原创研究文章和综述文章，探讨机器学习在边缘计算中的重要意义，以保护物联网系统。通过本期特刊，我们希望发现在物联网边缘计算中使用机器学习的边缘智能的前景。此外，我们还希望遇到具有有用见解和结果的创新解决方案。高度鼓励提交讨论信息丰富、有效的技术，以支持物联网中高效的边缘智能。

可能的主题包括但不限于以下内容:

• 利用机器学习进行边缘计算的挑战、机遇和新事物
• 物联网系统的智能、并行和分布式边缘计算架构
• 在认知物联网方面提高智商
• 使用AI进行可扩展的、适应性强的边缘计算，以及具有成本效益的边缘智能框架
• 物联网应用的高效边缘/雾云集成
• 先进的物联网系统建模和先进的数据建模架构使用边缘智能
• 用于高效训练、推理和缓存的高级调度方法
• 边缘计算中的大数据分析，以及物联网大数据管理的新兴架构
• 大数据分析采用深度学习和强化学习
• 边缘/雾计算大数据的高级调度方法
• 集成ML、大数据、物联网和边缘计算技术
• 边缘人工智能的新演示，例如工业4.0、自动驾驶、智能电网、联网机器人、能源互联网(IoE)
• 基于边缘节点深度学习的AI教育大数据分析
• 工程管理的边缘计算、深度学习和多媒体应用