宽度学习系统

宽度学习系统（Broad Learning System, BLS）针对传统深度学习模型参数规模大、训练时间长、结构调整成本高等问题，提出基于扁平化网络架构的增量学习方法，通过特征节点与增强节点构建高效学习模型，实现模型的快速训练与动态扩展。

宽度学习系统具有轻量化、快速增量学习和高效协同等特点：一方面显著降低模型训练与部署成本，提升边缘设备上的实时感知与决策能力；另一方面无需整体重新训练，即可通过增量节点快速更新和扩展模型，适应动态环境下的持续学习需求。同时，结合参数交互机制，可进一步支撑隐私保护的多智能体协同决策，为“云—边—端”一体化智能运行提供技术基础。

核心优势

• 扁平化架构：降低模型复杂度，提升边缘端部署效率
• 增量学习：无需整体重训练，实现模型快速更新与动态扩展
• 实时决策：轻量化模型与快速训练，满足边缘端实时响应需求
• 隐私协同：支持参数交互与隐私保护的多智能体协同学习