农业物联网导论（第2版）

图书标准信息

• 作者 李道亮
• 出版社 科学出版社
• 出版时间 2021-03
• 版次 2
• ISBN 9787030680402
• 定价 58.00元
• 装帧 其他
• 开本 16开
• 纸张 纯质纸
• 页数 276页

【内容简介】

随着万物互联趋势的不断深入，数据的增长速度远远超过了网络带宽的增速。同时，智能制造、无人驾驶等众多新型应用的出现，对延迟提出了更高的要求。通过将从数据源到云计算中心数据路径之间的任意计算、存储和网络资源，组成统一的平台为用户提供服务，边缘计算作为一种新的计算模式，使数据在源头附近就能得到及时有效的处理。这种模式不同于云计算要将所有数据传输到数据中心，它绕过了网络带宽与延迟的瓶颈。在产业界和学术界的合力推动下，边缘计算正在成为新兴万物互联应用的主流支撑平台。
  本书分别从边缘计算的需求与意义、边缘计算基础、边缘智能、边缘计算典型应用、边缘计算系统平台、边缘计算的挑战、边缘计算资源调度、边缘计算系统实例以及边缘计算安全与隐私保护等多个方面对边缘计算进行了阐述。
  本书非常适合作为高等院校计算机、通信、物联网、信息安全、电子机械相关专业的教学参考书，也可以作为从事边缘计算的开发人员和科研人员的参考资料。

【目录】

第1章 边缘计算的需求与意义

1.1 什么是边缘计算

1.2 边缘计算的产生背景

1.3 边缘计算的发展历史

1.3.1 分布式数据库模型

1.3.2 对等网络模型

1.3.3 内容分发网络模型

1.3.4 移动边缘计算

1.3.5 雾计算

1.3.6 海云计算

1.3.7 物端计算

1.3.8 边缘计算的发展现状

本章小结

参考文献

第2章 边缘计算基础

2.1 分布式计算

2.2 边缘计算的基本概念

2.3 边缘计算的关键技术

2.3.1 计算迁移

2.3.2 5G通信技术

2.3.3 新型存储系统

2.3.4 轻量级函数库和内核

2.3.5 边缘计算编程模型

2.4 边缘计算与云计算

2.4.1 云计算的概念

2.4.2 云计算特点

2.4.3 边缘计算与云计算对比

2.5 边缘计算与大数据

2.6 边缘计算的优势与挑战

本章小结

参考文献

第3章 边缘智能

3.1 边缘智能的定义

3.1.1 背景

3.1.2 定义

3.2 边缘智能的技术栈

3.2.1 边缘智能算法

3.2.2 边缘智能编程库

3.2.3 边缘智能数据处理平台

3.2.4 边缘智能操作系统

3.2.5 边缘智能芯片

3.2.6 边缘智能设备

3.3 边缘智能中的协同计算

3.3.1 边云协同

3.3.2 边边协同

3.3.3 边物协同

3.3.4 云边物协同

3.4 支撑边缘智能的计算框架

3.4.1 OpenEI：面向边缘智能的开放数据处理框架

3.4.2 NestDNN：动态分配多任务资源的移动端深度学习框架

3.4.3 AdaDeep：应用驱动的模型选择框架

3.4.4 DeepCham：自适应移动目标识别框架

3.4.5 DDNN：分布式神经网络框架

本章小结

参考文献

第4章 边缘计算典型应用

4.1 智慧城市

4.2 智能制造

4.3 智能交通

4.4 智能家居

4.5 智能医疗

4.6 面向公共安全的边缘视频系统

4.7 基于边缘计算的灾难救援

4.8 工业互联网边缘计算

4.8.1 基于工业互联网边缘计算的智慧油田系统解决方案

4.8.2 基于工业互联网边缘计算电网输变配用一体化解决方案

4.8.3 基于工业互联网边缘计算的石化智能化生产监控与优化解决方案

4.8.4 面向个性化定制的自适应可重构生产系统

本章小结

参考文献

第5章 边缘计算系统平台

5.1 面向智慧城市的边缘计算系统

5.1.1 面向智慧城市的边缘计算系统框架

5.1.2 智慧城市中边缘计算任务迁移及调度

5.2 面向智能汽车的边缘计算系统

5.2.1 为什么需要EdgeOSV

5.2.2 车载应用的划分

5.2.3 OpenVDAP

5.2.4 AC4AV

5.2.5 面向智能汽车的安全协同计算框架

5.3 面向智能家居的边缘计算系统

5.3.1 为什么需要EdgeOSH

5.3.2 EdgeOSH架构

5.3.3 EdgeOSH的功能性问题

5.3.4 面临的问题

5.4 面向个人计算的边缘计算系统

5.4.1 EdgeOSP整体架构

5.4.2 EdgeOSP的软件结构

5.4.3 EdgeOSP的典型应用实例

5.4.4 面临的问题

5.5 协同平台

5.5.1 协同平台背景模型

5.5.2 协同平台的典型应用举例

5.5.3 面临的问题

本章小结

参考文献

第6章 边缘计算的挑战

6.1 可编程性

6.2 程序自动划分

6.3 命名规则

6.4 数据抽象

6.5 调度策略

6.6 服务管理

6.7 隐私保护及安全

6.8 优化指标

6.9 软硬件选型

6.10 理论基础

6.11 商业模式

6.12 和垂直行业紧密合作

6.13 边缘节点落地问题

本章小结

参考文献

第7章 边缘计算资源调度

7.1 资源调度概述

7.1.1 背景

7.1.2 应用场景

7.1.3 架构

7.1.4 性能指标

7.2 资源调度的研究方向

7.2.1 卸载决策

7.2.2 资源分配

7.2.3 资源配置

7.3 资源调度的主要技术

7.3.1 集中式方法

7.3.2 分布式方法

7.4 边缘计算卸载模型 LabC

7.4.1 LabC 系统模型

7.4.2 LabC 应用案例分析

7.4.3 LabC 在车联网中的实例

7.5 基于区块链的边缘资源分配问题

7.5.1 基于区块链的不可篡改性的边缘资源分配问题

7.5.2 基于区块链的去中心化特性的边缘资源分配问题

7.6 基于深度强化学习的VEC协作数据调度

7.6.1 系统模型

7.6.2 数据缓存的多队列模型

7.6.3 基于 MDP 的数据调度分析

7.6.4 基于 DQN 的数据协作调度方案

7.7 无服务器边缘计算中的有效资源配置

本章小结

参考文献

第8章 边缘计算系统实例

8.1 边缘计算系统概览

8.1.1 Cloudlet

8.1.2 PCloud

8.1.3 ParaDrop

8.1.4 Cachier与Precog

8.1.5 FocusStack

8.1.6 SpanEdge

8.1.7 AirBox

8.1.8 CloudPath

8.1.9 Firework

8.1.10 海云计算

8.1.11 边缘计算代表性商业系统

8.1.12 边缘计算