論文の概要: SmartON: Just-in-Time Active Event Detection on Energy Harvesting
Systems
- arxiv url: http://arxiv.org/abs/2103.00749v1
- Date: Mon, 1 Mar 2021 04:33:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-03 15:45:21.139246
- Title: SmartON: Just-in-Time Active Event Detection on Energy Harvesting
Systems
- Title(参考訳): SmartON:エネルギーハーベスティングシステムのジャストインタイムアクティブイベント検出
- Authors: Yubo Luo, Shahriar Nirjon
- Abstract要約: 我々は、関心事を検出するために、適切なタイミングで積極的に起きることを学習する電池レスシステムであるSmartONを提案する。
我々はシミュレーション駆動と実システムの両方の実験を行い、SmartONが1X--7X以上の事象を捕捉し、CTIDシステムよりも8X--17Xエネルギー効率が高いことを示した。
- 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: We propose SmartON, a batteryless system that learns to wake up proactively
at the right moment in order to detect events of interest. It does so by
adapting the duty cycle to match the distribution of event arrival times under
the constraints of harvested energy. While existing energy harvesting systems
either wake up periodically at a fixed rate to sense and process the data, or
wake up only in accordance with the availability of the energy source, SmartON
employs a three-phase learning framework to learn the energy harvesting pattern
as well as the pattern of events at run-time, and uses that knowledge to wake
itself up when events are most likely to occur. The three-phase learning
framework enables rapid adaptation to environmental changes in both short and
long terms. Being able to remain asleep more often than a CTID
(charging-then-immediate-discharging) wake-up system and adapt to the event
pattern, SmartON is able to reduce energy waste, increase energy efficiency,
and capture more events. To realize SmartON we have developed a dedicated
hardware platform whose power management module activates capacitors on-the-fly
to dynamically increase its storage capacitance. We conduct both
simulation-driven and real-system experiments to demonstrate that SmartON
captures 1X--7X more events and is 8X--17X more energy-efficient than a CTID
system.
- Abstract(参考訳): 我々は、関心事を検出するために、適切なタイミングで積極的に起きることを学習する電池レスシステムであるSmartONを提案する。
これは、収穫エネルギーの制約の下でイベント到着時間の分布に合わせてデューティサイクルを適用することによって行われる。
既存のエネルギー収穫システムは、データを検知して処理するために定期的に起きるか、エネルギー源の可用性に応じてのみ起きるかのいずれかだが、SmartONは3段階の学習フレームワークを使用して、エネルギー収穫パターンと実行時のイベントのパターンを学習し、その知識を使用してイベントが発生した時に自分自身を目覚めさせる。
三相学習フレームワークにより、短期および長期の環境変化に迅速に適応できます。
CTID(Charging-then-Inmediate-Dischargeging)のウェイクアップシステムよりも頻繁に眠り続け、イベントパターンに適応できるため、SmartONはエネルギー無駄を削減し、エネルギー効率を高め、より多くのイベントをキャプチャできます。
smartonを実現するために,電力管理モジュールがキャパシタをオンザフライで起動し,ストレージ容量を動的に増加させる専用ハードウェアプラットフォームを開発した。
我々はシミュレーション駆動と実システムの両方の実験を行い、SmartONが1X--7X以上の事象を捕捉し、CTIDシステムよりも8X--17Xエネルギー効率が高いことを示した。
関連論文リスト
- Intelligent Duty Cycling Management and Wake-up for Energy Harvesting IoT Networks with Correlated Activity [43.00680041385538]
本稿では,IoTデバイスが動作を維持するためのエネルギー回収能力に完全に依存する,エネルギーニュートラルなモノのインターネット(IoT)シナリオに対するアプローチを提案する。
我々は,IoTDの動作状態と伝送状態を表現するためにマルコフチェーン,エネルギー回収過程をモデル化する変調ポアソンプロセス,電池状態をモデル化する離散時間マルコフチェーンを使用する。
我々は、エネルギー効率と検出精度のトレードオフを打つことを目的とした、K近傍の近隣住民を対象としたデューティサイクル管理を提案する。
論文 参考訳(メタデータ) (2024-05-10T10:16:27Z) - Sustainable Edge Intelligence Through Energy-Aware Early Exiting [0.726437825413781]
EHエッジインテリジェンスシステムにおいて,エネルギー適応型動的早期退避を提案する。
提案手法は, サンプルごとの最適計算量を決定する, エネルギー対応のEEポリシーを導出する。
その結果, エネルギーに依存しない政策と比較して, 精度は25%, サービスレートは35%向上した。
論文 参考訳(メタデータ) (2023-05-23T14:17:44Z) - EV-Catcher: High-Speed Object Catching Using Low-latency Event-based
Neural Networks [107.62975594230687]
イベントカメラが優れており、高速移動物体の衝突位置を正確に推定するアプリケーションを実証する。
イベントデータを低レイテンシでエンコードするために,Binary Event History Image(BEHI)と呼ばれる軽量なイベント表現を導入する。
計算制約のある組込みプラットフォーム上でも最大13m/sの速さで, 異なる場所をターゲットとした球のキャッチにおいて, 81%の成功率を達成することができることを示す。
論文 参考訳(メタデータ) (2023-04-14T15:23:28Z) - Energy Transformer [64.22957136952725]
我々の研究は、機械学習における有望な3つのパラダイム、すなわち注意機構、エネルギーベースモデル、連想記憶の側面を組み合わせる。
本稿では,エネルギー変換器(ET,Energy Transformer)と呼ばれる新しいアーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-02-14T18:51:22Z) - FedTrees: A Novel Computation-Communication Efficient Federated Learning
Framework Investigated in Smart Grids [8.437758224218648]
次世代のスマートメーターは、エネルギー消費データの測定、記録、および報告に使用することができる。
FedTreesは、アンサンブル学習の際立った特徴の恩恵を受ける、新しくて軽量なFLフレームワークである。
論文 参考訳(メタデータ) (2022-09-30T19:47:46Z) - Design and Comparison of Reward Functions in Reinforcement Learning for
Energy Management of Sensor Nodes [0.0]
IoT(Internet-of-Things)パラダイムの最近の進歩により、リモート監視への関心が高まっている。
センサノードと呼ばれる小さなデバイスを使って、環境からデータを収集して処理できる新しいアプリケーションが登場した。
バッテリー技術は、これらの増大するニーズに対応するのに十分な速さで改善されていない。
従来のエネルギー源を補完するために、小型のエネルギー収穫装置が出現している。
論文 参考訳(メタデータ) (2021-06-02T12:23:47Z) - Energy-Efficient Model Compression and Splitting for Collaborative
Inference Over Time-Varying Channels [52.60092598312894]
本稿では,エッジノードとリモートノード間のモデル圧縮と時間変化モデル分割を利用して,エッジデバイスにおける総エネルギーコストを削減する手法を提案する。
提案手法は, 検討されたベースラインと比較して, エネルギー消費が最小限であり, 排出コストが$CO$となる。
論文 参考訳(メタデータ) (2021-06-02T07:36:27Z) - DEAL: Decremental Energy-Aware Learning in a Federated System [14.891078102508585]
フェデレーション学習は、バッテリ駆動デバイス上での重いエネルギーフットプリントに苦慮している。
Dealはエネルギー効率のよい学習システムで、省エネとプライバシーの保護を、廃れた学習設計で行う。
すべての学習プロセスは、モデル収束の2~4倍までの実践的なFLフレームワークよりも高速である。
論文 参考訳(メタデータ) (2021-02-05T08:31:42Z) - Energy Aware Deep Reinforcement Learning Scheduling for Sensors
Correlated in Time and Space [62.39318039798564]
相関情報を利用するスケジューリング機構を提案する。
提案したメカニズムは、センサが更新を送信する頻度を決定することができる。
我々は,センサの寿命を大幅に延長できることを示した。
論文 参考訳(メタデータ) (2020-11-19T09:53:27Z) - Data-driven control of micro-climate in buildings: an event-triggered
reinforcement learning approach [56.22460188003505]
半マルコフ決定過程に基づく微小気候制御問題を定式化する。
建物内の微小気候のイベントトリガー制御のための2つの学習アルゴリズムを提案する。
スマートなサーモスタットを設計することで,提案手法の有効性を示す。
論文 参考訳(メタデータ) (2020-01-28T18:20:43Z)
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。