論文の概要: Learning, Computing, and Trustworthiness in Intelligent IoT Environments: Performance-Energy Tradeoffs

• arxiv url: http://arxiv.org/abs/2110.01686v1
• Date: Mon, 4 Oct 2021 19:41:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-07 02:29:37.945734
• Title: Learning, Computing, and Trustworthiness in Intelligent IoT Environments: Performance-Energy Tradeoffs
• Title（参考訳）: インテリジェントIoT環境における学習、コンピューティング、信頼性:パフォーマンス-エネルギートレードオフ
• Authors: Beatriz Soret, Lam D. Nguyen, Jan Seeger, Arne Br\"oring, Chaouki Ben Issaid, Sumudu Samarakoon, Anis El Gabli, Vivek Kulkarni, Mehdi Bennis, and Petar Popovski
• Abstract要約: Intelligent IoT Environment(iIoTe)は、半自律IoTアプリケーションを協調実行可能な異種デバイスで構成されている。 本稿では,これらの技術の現状を概観し,その機能と性能,特にリソース,レイテンシ,プライバシ,エネルギー消費のトレードオフに注目した。
• 参考スコア（独自算出の注目度）: 62.91362897985057
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: An Intelligent IoT Environment (iIoTe) is comprised of heterogeneous devices that can collaboratively execute semi-autonomous IoT applications, examples of which include highly automated manufacturing cells or autonomously interacting harvesting machines. Energy efficiency is key in such edge environments, since they are often based on an infrastructure that consists of wireless and battery-run devices, e.g., e-tractors, drones, Automated Guided Vehicle (AGV)s and robots. The total energy consumption draws contributions from multipleiIoTe technologies that enable edge computing and communication, distributed learning, as well as distributed ledgers and smart contracts. This paper provides a state-of-the-art overview of these technologies and illustrates their functionality and performance, with special attention to the tradeoff among resources, latency, privacy and energy consumption. Finally, the paper provides a vision for integrating these enabling technologies in energy-efficient iIoTe and a roadmap to address the open research challenges
• Abstract（参考訳）: Intelligent IoT Environment(iIoTe)は、半自律IoTアプリケーションを共同実行可能な異種デバイスで構成されている。 エネルギー効率は、電子トラクタ、ドローン、自動誘導車両(AGV)、ロボットなど、無線およびバッテリー駆動のデバイスで構成されるインフラに基づいているため、このようなエッジ環境では鍵となる。 総エネルギー消費量は、エッジコンピューティングとコミュニケーション、分散学習、分散台帳とスマートコントラクトを可能にする複数のiioteテクノロジから貢献を得ている。 本稿では,これらの技術の現状を概観し,その機能と性能,特にリソース,レイテンシ,プライバシ,エネルギー消費のトレードオフに注目した。 最後に、エネルギー効率の良いiIoTeにこれらの実現可能な技術を統合するためのビジョンと、オープンな研究課題に取り組むロードマップを提供する。

関連論文リスト

• Harnessing Federated Generative Learning for Green and Sustainable Internet of Things [9.699977999019977]
  One-shot Federated Learning (OSFL)は、IoTエコシステム内の持続可能性と機械学習を調和させる革新的なパラダイムである。 OSFLは、複数の反復的なコミュニケーションラウンドをひとつの操作にまとめることで、従来のフェデレートラーニング(FL)ワークフローに革命をもたらす。 私たちの研究は、エネルギー効率のよいスマートシティや画期的なヘルスケアソリューションといった領域にまたがるIoTアプリケーションの景観を再構築する、OSFLの変革的な可能性を強調しています。
  論文  参考訳（メタデータ） (2024-04-30T17:15:26Z)
• Integration of Mixture of Experts and Multimodal Generative AI in Internet of Vehicles: A Survey [82.84057882105931]
  ジェネレーティブAI(GAI)は、IoT(Internet of Vehicles)におけるインテリジェントモジュールの認知、推論、計画能力を高めることができる。 IoVにおけるGAI, MoE, およびそれらの相互作用応用の基礎を提示する。 我々はIoVにおけるMoEとGAIの統合の可能性について論じ、分散認識とモニタリング、協調的な意思決定と計画、生成モデリングとシミュレーションを含む。
  論文  参考訳（メタデータ） (2024-04-25T06:22:21Z)
• On the Opportunities of Green Computing: A Survey [80.21955522431168]
  人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。 高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。 コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
  論文  参考訳（メタデータ） (2023-11-01T11:16:41Z)
• From Generative AI to Generative Internet of Things: Fundamentals, Framework, and Outlooks [82.964958051535]
  生成人工知能(GAI)は、現実的なデータを生成し、高度な意思決定を促進する能力を持っている。 GAIを現代のモノのインターネット(IoT)に統合することによって、ジェネレーティブ・インターネット・オブ・モノ(GIoT)が登場し、社会の様々な側面に革命をもたらす大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-10-27T02:58:11Z)
• RAI4IoE: Responsible AI for Enabling the Internet of Energy [40.87183313830612]
  本稿では,インターネット・オブ・エナジー(IoE)のための技術とアルゴリズムを備えた,等価で責任性の高いAIフレームワークの開発を計画する。 我々のプロジェクトのビジョンは、コミュニティメンバーの公平な参加と、IoEにおけるデータの責任を負うことで、AIの進歩の恩恵を享受し、安全で信頼性があり持続可能なエネルギーサービスを提供することです。
  論文  参考訳（メタデータ） (2023-09-20T23:45:54Z)
• Towards Artificial General Intelligence (AGI) in the Internet of Things (IoT): Opportunities and Challenges [55.82853124625841]
  人工知能(Artificial General Intelligence, AGI)は、人間の認知能力でタスクを理解し、学習し、実行することができる能力を持つ。 本研究は,モノのインターネットにおけるAGIの実現に向けた機会と課題を探究する。 AGIに注入されたIoTの応用スペクトルは広く、スマートグリッド、住宅環境、製造、輸送から環境モニタリング、農業、医療、教育まで幅広い領域をカバーしている。
  論文  参考訳（メタデータ） (2023-09-14T05:43:36Z)
• 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)
• AI-Empowered Data Offloading in MEC-Enabled IoV Networks [40.75165195026413]
  本稿では、信頼性、セキュリティ、エネルギー管理、サービス販売者利益の4つの主要な問題に基づいて分類された、データオフロードプロセスの一部としてAIを使用する研究を調査する。 MEC対応のIoVネットワークでデータをオフロードするプロセスにおけるさまざまな課題として、高いモバイル環境における信頼性のオフロード、同一ネットワーク内のユーザに対するセキュリティ、ネットワークへの不活性化を防ぐためのエネルギ管理などがある。
  論文  参考訳（メタデータ） (2022-03-31T09:31:53Z)
• Green Internet of Things: The Next Generation Energy Efficient Internet of Things [0.0]
  IoT(Internet of Things)は、世界中の何十億もの相互接続デバイス間の接続を可能にすることを目的とした、新しい技術パラダイムである。 このIoTは、スマートヘルスケア、交通監視、スマートホーム、スマートシティ、およびさまざまな産業など、さまざまな領域で提供されている。 Green IoTは、IoTデバイスのエネルギー消費を削減し、環境を安全かつクリーンに保つことを推奨している。
  論文  参考訳（メタデータ） (2020-12-02T16:52:18Z)

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。