找到 1 条结果 · IEEE Access
面向边缘–云连续体的开源AI即服务框架：支持联邦学习、高效性与漂移鲁棒性的持续学习
An Open-Source AI-as-a-Service Framework for Federated, Efficient, and Drift-Robust Learning in the Continuum Edge–Cloud
Sebastián Andrés Cajas Ordóñez · Jaydeep Samanta · Andrés L. Suárez-Cetrulo · Romila Ghosh 等7人 · IEEE Access · 2026年2月 · Vol.14
本文提出OASIS开源框架，支持边缘–云协同下的联邦学习、模型压缩与概念漂移检测，集成SHAP可解释性、MLFlow/NannyML监控，适用于资源受限场景的实时预测与自适应监测。
解读: 该框架对阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能系统的AI升级具有直接价值：可部署于边缘侧逆变器或PCS中实现本地化故障预警、功率预测漂移自适应校准，并通过联邦学习在多电站间协同优化而保护数据隐私。建议在组串式逆变器嵌入轻量OASIS模块，结合MPPT动态调优；...