論文の概要: An Intelligent Scheme for Uncertainty Management of Data Synopses
Management in Pervasive Computing Applications
- arxiv url: http://arxiv.org/abs/2007.12648v1
- Date: Fri, 24 Jul 2020 16:58:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-07 07:21:32.536888
- Title: An Intelligent Scheme for Uncertainty Management of Data Synopses
Management in Pervasive Computing Applications
- Title（参考訳）: 分散コンピューティングアプリケーションにおけるデータシナプス管理の不確実性管理のためのインテリジェントスキーム
- Authors: Kostas Kolomvatsos
- Abstract要約: IoT(Internet of Things)デバイスは、エッジコンピューティング(EC)とクラウドにそれらを転送する環境データを収集して、さらなる処理を行う。
ECノードは、さまざまな処理アクティビティが行われる分散データセットのホストになる可能性がある。
この協力的アプローチを結論付ける上で重要な問題は、ECノードに仲間に存在するデータについて知らせるようにデータシナプスを交換することである。
本稿では,データシナプス交換のための不確実性駆動モデルを提案する。
- 参考スコア（独自算出の注目度）: 9.289846887298852
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Pervasive computing applications deal with the incorporation of intelligent
components around end users to facilitate their activities. Such applications
can be provided upon the vast infrastructures of Internet of Things (IoT) and
Edge Computing (EC). IoT devices collect ambient data transferring them towards
the EC and Cloud for further processing. EC nodes could become the hosts of
distributed datasets where various processing activities take place. The future
of EC involves numerous nodes interacting with the IoT devices and themselves
in a cooperative manner to realize the desired processing. A critical issue for
concluding this cooperative approach is the exchange of data synopses to have
EC nodes informed about the data present in their peers. Such knowledge will be
useful for decision making related to the execution of processing activities.
In this paper, we propose n uncertainty driven model for the exchange of data
synopses. We argue that EC nodes should delay the exchange of synopses
especially when no significant differences with historical values are present.
Our mechanism adopts a Fuzzy Logic (FL) system to decide when there is a
significant difference with the previous reported synopses to decide the
exchange of the new one. Our scheme is capable of alleviating the network from
numerous messages retrieved even for low fluctuations in synopses. We
analytically describe our model and evaluate it through a large set of
experiments. Our experimental evaluation targets to detect the efficiency of
the approach based on the elimination of unnecessary messages while keeping
immediately informed peer nodes for significant statistical changes in the
distributed datasets.
- Abstract（参考訳）: 広範コンピューティングアプリケーションは、エンドユーザーを中心にインテリジェントなコンポーネントを組み込んで活動を促進する。
このようなアプリケーションは、IoT(Internet of Things)とエッジコンピューティング(EC)の巨大なインフラストラクチャ上に提供される。
IoTデバイスは、周辺データをECとクラウドに転送して、さらなる処理を行う。
ECノードは、さまざまな処理アクティビティが行われる分散データセットのホストになる可能性がある。
ECの将来には、IoTデバイスとそれ自身を協調的に操作する多数のノードが関与し、望ましい処理を実現する。
この協力的アプローチを結論付ける上で重要な問題は、ECノードにピアに存在するデータを知らせるようにデータシナプスを交換することである。
このような知識は、処理アクティビティの実行に関連する意思決定に役立ちます。
本稿では,データシナプス交換のための不確実性駆動モデルを提案する。
ECノードは、特に歴史的値に顕著な違いが存在しない場合に、シナプスの交換を遅らせるべきである。
本機構はファジィ論理 (fl) システムを採用し, 前回報告したシナプスと有意な差があるかを判定し, 新たなシンセサイザーの交換を決定する。
本方式では, シナプスの変動が低い場合でも, 多数のメッセージからネットワークを緩和することができる。
モデルを解析的に記述し,大規模な実験を通して評価する。
実験対象は,分散データセットにおける統計的変化を即時把握しながら,不必要なメッセージの除去に基づくアプローチの効率性を検出することである。
関連論文リスト
- AI Flow at the Network Edge [58.31090055138711]
AI Flowは、デバイス、エッジノード、クラウドサーバ間で利用可能な異種リソースを共同で活用することで、推論プロセスを合理化するフレームワークである。
この記事では、AI Flowのモチベーション、課題、原則を特定するためのポジションペーパーとして機能する。
論文 参考訳（メタデータ） (2024-11-19T12:51:17Z) - Federated Learning Optimization: A Comparative Study of Data and Model Exchange Strategies in Dynamic Networks [3.4179091429029382]
デバイス間で生データ、合成データ、または(部分的な)モデル更新を交換する選択について検討する。
私たちが考慮した様々なシナリオにおいて、時間限定の知識伝達効率は9.08%まで異なる可能性がある。
論文 参考訳（メタデータ） (2024-06-16T03:46:23Z) - Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。
FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。
実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文 参考訳（メタデータ） (2024-01-22T14:16:37Z) - Semantic Information Marketing in The Metaverse: A Learning-Based
Contract Theory Framework [68.8725783112254]
仮想サービスプロバイダ(VSP)によるインセンティブのメカニズム設計の問題に対処し,センサデータ販売にIoTデバイスを採用。
帯域幅が限られているため,センサIoTデバイスによる配信データを削減するためにセマンティック抽出アルゴリズムを提案する。
本稿では,新しい反復型契約設計を提案し,マルチエージェント強化学習(MARL)の新たな変種を用いて,モデル付き多次元契約問題の解法を提案する。
論文 参考訳（メタデータ） (2023-02-22T15:52:37Z) - The Internet of Senses: Building on Semantic Communications and Edge
Intelligence [67.75406096878321]
インターネット・オブ・センセーズ(IoS)は、すべてのヒト受容体に対する欠陥のないテレプレゼンススタイルのコミュニケーションを約束する。
我々は,新たなセマンティックコミュニケーションと人工知能(AI)/機械学習(ML)パラダイムがIoSユースケースの要件を満たす方法について詳しく述べる。
論文 参考訳（メタデータ） (2022-12-21T03:37:38Z) - Age of Semantics in Cooperative Communications: To Expedite Simulation
Towards Real via Offline Reinforcement Learning [53.18060442931179]
協調リレー通信システムにおける状態更新のセマンティックス更新度を測定するための意味学年代(AoS)を提案する。
オンライン・ディープ・アクター・クリティック(DAC)学習手法を,政治時間差学習の枠組みに基づいて提案する。
そこで我々は,以前に収集したデータセットから最適制御ポリシーを推定する,新しいオフラインDAC方式を提案する。
論文 参考訳（メタデータ） (2022-09-19T11:55:28Z) - Task-Oriented Sensing, Computation, and Communication Integration for
Multi-Device Edge AI [108.08079323459822]
本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。
推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
論文 参考訳（メタデータ） (2022-07-03T06:57:07Z) - A Proactive Management Scheme for Data Synopses at the Edge [20.711789781518753]
Edge Computingエコシステムに多数の処理ノードがあるIoT(Internet of Things)は、インテリジェントアプリケーションをサポートするための新たな経路を開く。
このようなアプリケーションは、ネットワークを介してエッジノードに転送されるIoTデバイスによって収集された膨大な量のデータに対して提供される。
議論されたデータ上でさまざまな処理アクティビティを実行することができ、ECノード間の複数の協調的な機会は、望ましいタスクの実行を容易にします。
本稿では、類似したデータを持つピアノードについて必要な知識を提供するために、ECノード間の実際のデータよりもデータシナプスの交換を推奨する。
論文 参考訳（メタデータ） (2021-07-22T10:22:37Z) - Data Synopses Management based on a Deep Learning Model [14.180331276028662]
データシナプスをECノードに配信することで、ピアに存在するデータと完全に整合したオフロード決定を行うことが可能になる、と私たちは主張する。
我々のアプローチは、計算されたシナプスの分布を学習し、将来の傾向を推定するディープラーニングモデルである。
論文 参考訳（メタデータ） (2020-08-01T12:04:21Z) - On the Use of Interpretable Machine Learning for the Management of Data
Quality [13.075880857448059]
我々は、解釈可能な機械学習を用いて、あらゆるデータ処理アクティビティをベースとした重要な機能を提供する。
私たちの目標は、少なくとも、収集されたデータセットで重要なものとして検出される機能に対して、データ品質を確保することです。
論文 参考訳（メタデータ） (2020-07-29T08:49:32Z) - The Internet of Things as a Deep Neural Network [16.78220721167574]
本稿では,IoTノードにおける計測圧縮と,基地局やクラウドにおける推論をディープニューラルネットワーク(DNN)としてモデル化することを提案する。
DNNのモデルパラメータを学習し,通信速度と推測精度のトレードオフについて検討する。
我々の発見は、多くの新しいIoTデータ分析アプリケーションが大量の測定値を生成する可能性を秘めている。
論文 参考訳（メタデータ） (2020-03-23T20:36:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。