边缘人工智能的联邦持续学习：综合综述

文章预览

边缘人工智能（Edge-AI）是边缘计算与人工智能（AI）相融合的一种前沿范式，它能够在靠近用户的网络边缘部署先进的AI模型。联邦持续学习（Federated Continual Learning, FCL）在边缘人工智能领域中已成为一个重要框架，通过在不同客户端间融合知识，既保护了数据隐私，又在学习新任务的同时保留了对先前任务的知识。通过这种方式，FCL旨在动态且分布式的环境中确保学习模型的稳定和可靠性能。 在本综述中，我们全面回顾了最先进的相关研究，并呈现了首个关于边缘人工智能领域FCL的综合性综述。我们基于三种任务特性对FCL方法进行了分类：联邦类别持续学习（Federated Class Continual Learning）、联邦领域持续学习（Federated Domain Continual Learning）以及联邦任务持续学习（Federated Task Continual Learning）。针对每一类任务，我们对其代表性方法进行了深入分析 ………………………………