事物互联网（物联网）是基于制造数十亿的现实物理对象的基础，以及连接到互联网的移动设备。随着所连接设备的兴起，边缘计算的概念已经获得了突出，并且已被广泛认可。边缘计算提供越近网络边缘的计算，分析，存储和控制，以解决可伸缩性和延迟的问题。

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。

这一特殊问题的目的是融合原始研究文章，以及审查文章，调查机器学习在边缘计算中的意义，以保护IOT系统。通过此特殊问题，我们希望在启用IOT的边缘计算中使用机器学习发现Edge Intelligence的承诺。此外，我们还希望遇到具有有用洞察力的创新解决方案和结果。讨论信息化的提交和能够支持IOT中有效优势智能的有效技巧。

潜在主题包括但不限于以下内容：

• 使用机器学习进行边缘计算的挑战，机遇和新奇
• IOT系统的智能，并行和分布式边缘计算架构
• 认知物联盟的EGE智慧
• 使用AI可扩展，适应性的边缘计算，以及成本效益的边缘智能框架
• 有效的边缘/雾云集成IOT应用程序
• 使用边缘智能的高级IOT系统建模和高级数据建模架构
• 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
• 使用深度学习和强化学习的大数据分析
• Edge / Fog Computing大数据的高级调度方法
• ML，大数据，物联网和边缘计算技术集成
• Edge AI的新演示文稿，例如，行业4.0，自主驾驶，智能电网，网络机器人，能源互联网（IOE）
• 使用Edge Node进行深度学习的大数据分析为AI教育
• Edge Computing，以及工程管理的深度学习，以及多媒体应用