論文の概要: Intelligent Service Selection in a Multi-dimensional Environment of
Cloud Providers for IoT stream Data through cloudlets
- arxiv url: http://arxiv.org/abs/2008.06601v2
- Date: Tue, 26 Jan 2021 22:22:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-30 17:57:46.383278
- Title: Intelligent Service Selection in a Multi-dimensional Environment of
Cloud Providers for IoT stream Data through cloudlets
- Title（参考訳）: クラウドプロバイダによるクラウドレット経由のiotストリームデータ多次元環境におけるインテリジェントサービス選択
- Authors: Omid Halimi Milani, S. Ahmad Motamedi and Saeed Sharifian
- Abstract要約: 本研究で提案されたハイブリッドMWGアルゴリズムは,フォッグ層とクラウド層の両方におけるエネルギー,処理時間,伝送時間,ロードバランシングといった異なる目的を考慮に入れたものである。
全体的な最適化の結果、MWGアルゴリズムはMoWCA、KGA、NSGAIIと比較して7.8%、17%、21.6%性能が向上した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The expansion of the Internet of Things(IoT) services and a huge amount of
data generated by different sensors, signify the importance of cloud computing
services like Storage as a Service more than ever. IoT traffic imposes such
extra constraints on the cloud storage service as sensor data preprocessing
capability and load-balancing between data centers and servers in each data
center. Also, it should be allegiant to the Quality of Service (QoS). The
hybrid MWG algorithm has been proposed in this work, which considers different
objectives such as energy, processing time, transmission time, and load
balancing in both Fog and Cloud Layer. The MATLAB script is used to simulate
and implement our algorithms, and services of different servers, e.g. Amazon,
Dropbox, Google Drive, etc. have been considered. The MWG has 7%, 13%, and 25%
improvement in comparison with MOWCA, KGA, and NSGAII in metric of spacing,
respectively. Moreover, the MWG has 4%, 4.7%, and 7.3% optimization in metric
of quality in comparison to MOWCA, KGA, and NSGAII, respectively. The overall
optimization shows that the MWG algorithm has 7.8%, 17%, and 21.6% better
performance in comparison with MOWCA, KGA, and NSGAII in the obtained best
result by considering different objectives, respectively.
- Abstract（参考訳）: IoT(Internet of Things)サービスの拡大と、さまざまなセンサによって生成された大量のデータによって、ストレージ・アズ・ア・サービスのようなクラウドコンピューティングサービスがこれまで以上に重要になっていることを示している。
IoTトラフィックは、センサデータ前処理機能や、各データセンタ内のデータセンタとサーバ間のロードバランシングなど、クラウドストレージサービスに余分な制約を課している。
また、qos(quality of service)についても考慮すべきです。
本研究で提案したハイブリッドMWGアルゴリズムは,フォッグ層とクラウド層の両方におけるエネルギー,処理時間,伝送時間,ロードバランシングといった異なる目的を考察する。
MATLABスクリプトはアルゴリズムをシミュレートし実装するために使用され、Amazon、Dropbox、Google Driveなど、さまざまなサーバのサービスが検討されている。
MWGは,MOWCA,KGA,NSGAIIと比較して,それぞれ7%,13%,25%改善している。
さらに、mwgは、mowca、kga、nsgaiiと比較して、品質指標の4%、4.7%、および7.3%の最適化がある。
総合最適化の結果、MWGアルゴリズムは、MoWCA、KGA、NSGAIIと比較して、それぞれ異なる目的を考慮し、パフォーマンスが7.8%、17%、21.6%向上していることがわかった。
関連論文リスト
- Parameter-Efficient Fine-Tuning in Spectral Domain for Point Cloud Learning [49.91297276176978]
私たちは小説を提案します。
ポイントGST (Point GST) と呼ばれる点雲の効率的な微細調整法。
ポイントGSTは事前トレーニングされたモデルを凍結し、スペクトル領域のパラメータを微調整するためのトレーニング可能なポイントクラウドスペクトルアダプタ(PCSA)を導入する。
挑戦的なポイントクラウドデータセットに関する大規模な実験は、ポイントGSTが完全に微調整されたデータセットを上回るだけでなく、トレーニング可能なパラメータを大幅に削減することを示した。
論文 参考訳（メタデータ） (2024-10-10T17:00:04Z) - Differentiable Model Scaling using Differentiable Topk [12.084701778797854]
本研究では,ネットワークの最適幅と深さを探索する効率を高めるため,微分可能モデルスケーリング(DMS)を提案する。
結果は,我々のDMSが改良された構造を見つけ,最先端NAS法より優れていることを一貫して示している。
論文 参考訳（メタデータ） (2024-05-12T07:34:33Z) - A Point-Based Approach to Efficient LiDAR Multi-Task Perception [49.91741677556553]
PAttFormerは、ポイントクラウドにおける共同セマンティックセグメンテーションとオブジェクト検出のための効率的なマルチタスクアーキテクチャである。
他のLiDARベースのマルチタスクアーキテクチャとは異なり、提案したPAttFormerはタスク固有のポイントクラウド表現のために別の機能エンコーダを必要としない。
マルチタスク学習では,mIouでは+1.7%,mAPでは3Dオブジェクト検出では+1.7%,LiDARセマンティックセマンティックセグメンテーションは+1.7%向上した。
論文 参考訳（メタデータ） (2024-04-19T11:24:34Z) - A knowledge-based data-driven (KBDD) framework for all-day
identification of cloud types using satellite remote sensing [0.8649679686652648]
クラウドタイプを常時識別するための知識ベースデータ駆動(KBDD)フレームワークを提案する。
CldNetという名前の、新しくてシンプルで効率的なネットワークが提案されている。
8+-2.18%の精度を持つCldNetは、クラウドタイプを特定する最先端技術である。
論文 参考訳（メタデータ） (2023-12-01T02:58:27Z) - Serving Graph Neural Networks With Distributed Fog Servers For Smart IoT
Services [23.408109000977987]
グラフニューラルネットワーク(GNN)は,グラフ構造上の潜在表現を抽出する能力に優れていたため,様々なアプリケーションへの関心が高まっている。
Fographは、IoTデータソースに近い複数のフォグノードの多様な動的リソースを活用する、分散リアルタイムGNN推論フレームワークである。
プロトタイプに基づく評価とケーススタディにより、Fographは最先端のクラウドサービスと霧の配置を最大5.39倍の高速化と6.84倍のスループット向上で大幅に上回っていることが示された。
論文 参考訳（メタデータ） (2023-07-04T12:30:01Z) - HeteroEdge: Addressing Asymmetry in Heterogeneous Collaborative
Autonomous Systems [1.274065448486689]
2台の無人地上車両(UGV)と2台のNVIDIA Jetsonデバイスからなるテストベッドの自己適応最適化フレームワークを提案する。
このフレームワークは、異種ノード上の複数のタスク(ストレージ、処理、計算、送信、推論)を同時に効率的に管理する。
入力された画像フレームの圧縮とマスキング、類似したフレームの識別、および最適化のための境界条件を得るためにプロファイリング装置を含む。
論文 参考訳（メタデータ） (2023-05-05T02:43:16Z) - GQE-Net: A Graph-based Quality Enhancement Network for Point Cloud Color
Attribute [51.4803148196217]
本稿では,点雲の色歪みを低減するため,グラフベースの品質向上ネットワーク(GQE-Net)を提案する。
GQE-Netは、幾何学情報を補助入力とグラフ畳み込みブロックとして使用し、局所的な特徴を効率的に抽出する。
実験結果から,本手法は最先端性能を実現することが示された。
論文 参考訳（メタデータ） (2023-03-24T02:33:45Z) - Collaborative Intelligent Reflecting Surface Networks with Multi-Agent
Reinforcement Learning [63.83425382922157]
インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。
本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
論文 参考訳（メタデータ） (2022-03-26T20:37:14Z) - HANT: Hardware-Aware Network Transformation [82.54824188745887]
ハードウェア・アウェア・ネットワーク・トランスフォーメーション(HANT)を提案する。
HANTは、ニューラルネットワーク検索のようなアプローチを使用して、非効率な操作をより効率的な代替手段に置き換える。
EfficientNetファミリの高速化に関する我々の結果は、ImageNetデータセットのトップ1の精度で最大3.6倍、0.4%の低下でHANTがそれらを加速できることを示している。
論文 参考訳（メタデータ） (2021-07-12T18:46:34Z) - Optimizing Resource-Efficiency for Federated Edge Intelligence in IoT
Networks [96.24723959137218]
We study a edge intelligence-based IoT network that a set of edge server learn a shared model using federated learning (FL)。
フェデレーションエッジインテリジェンス(FEI)と呼ばれる新しいフレームワークを提案し、エッジサーバがIoTネットワークのエネルギーコストに応じて必要なデータサンプル数を評価できるようにする。
提案アルゴリズムがIoTネットワークのトポロジ的情報を漏洩したり開示したりしないことを示す。
論文 参考訳（メタデータ） (2020-11-25T12:51:59Z) - Mesorasi: Architecture Support for Point Cloud Analytics via
Delayed-Aggregation [7.5528453044217665]
ポイントクラウド分析は、バッテリ駆動の組み込みおよびモバイルプラットフォームにおける重要なワークロードになる可能性がある。
本稿では,ポイントクラウド解析の性能とエネルギー効率を向上させるアルゴリズムアーキテクチャの共同設計システムであるMesorasiを提案する。
論文 参考訳（メタデータ） (2020-08-16T18:11:19Z)
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。