机器学习的持续发展和深度学习导致了巨大进步领域的无线通信和移动计算边缘(MEC)。最近,有专注于如何应用深度学习领域的无线通信和移动计算边缘,和进步已经在边缘计算场景等移动设备,消费设备,无人驾驶飞机和汽车。

实现深层神经网络(款)应用程序通常需要强大的计算资源来处理大量数据。在移动计算环境中边缘,边缘设备能力有限和款应用程序进一步遭受无线连接的问题,例如交接和服务中断。没有妥善解决这些问题,在实践中款的广泛应用将是有限的,因此款的有效部署和高效执行模型在移动边缘计算环境已成为学术界和产业界关注的焦点。

这个特殊问题的目的是整理原始研究和评论文章从行业相关学者和研究人员在无线通信领域,机器学习,边缘计算。研究人员从学术界和实践者行业被邀请提交他们的创新技术挑战和最近的研究结果计算与神经网络优势。这个特殊的问题提供了一个机会,讨论当前的趋势和表达意见,挑战,和最先进的解决方案为边缘计算机器学习中解决各种问题。

潜在的主题包括但不限于以下:

• 款压缩在MEC
• 在MEC有效的模式识别
• 在MEC高效的图像处理
• 款应用程序的算法、方案和技术在边缘系统
• 款加速MEC
• 款模型分区
• 卸载和分裂学习款