論文の概要: CQELS 2.0: Towards A Unified Framework for Semantic Stream Fusion
- arxiv url: http://arxiv.org/abs/2202.13958v1
- Date: Tue, 15 Feb 2022 13:53:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-06 14:26:51.426174
- Title: CQELS 2.0: Towards A Unified Framework for Semantic Stream Fusion
- Title(参考訳): CQELS 2.0: セマンティックストリーム融合のための統一フレームワークを目指して
- Authors: Anh Le-Tuan, Manh Nguyen-Duc, Chien-Quang Le, Trung-Kien Tran, Manfred
Hauswirth, Thomas Eiter and Danh Le-Phuoc
- Abstract要約: CQELS 2.0は、セマンティックストリームの融合に向けたプラットフォームに依存しないフェデレーション実行フレームワークである。
本稿では,ディープニューラルネットワークに基づくデータ融合パイプラインの特定を可能にする,ニューラルシンボリックストリーム推論コンポーネントを提案する。
プラットフォームに依存しないフレームワークとして、CQELS 2.0は異なるハードウェアアーキテクチャを持つデバイス向けに実装できる。
- 参考スコア(独自算出の注目度): 14.115800116082722
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present CQELS 2.0, the second version of Continuous Query Evaluation over
Linked Streams. CQELS 2.0 is a platform-agnostic federated execution framework
towards semantic stream fusion. In this version, we introduce a novel
neural-symbolic stream reasoning component that enables specifying deep neural
network (DNN) based data fusion pipelines via logic rules with learnable
probabilistic degrees as weights. As a platform-agnostic framework, CQELS 2.0
can be implemented for devices with different hardware architectures (from
embedded devices to cloud infrastructures). Moreover, this version also
includes an adaptive federator that allows CQELS instances on different nodes
in a network to coordinate their resources to distribute processing pipelines
by delegating partial workloads to their peers via subscribing continuous
queries
- Abstract(参考訳): リンクストリームに対する連続クエリ評価の2番目のバージョンであるCQELS 2.0を紹介します。
CQELS 2.0は、セマンティックストリームの融合に向けたプラットフォームに依存しないフェデレーション実行フレームワークである。
本バージョンでは,深層ニューラルネットワーク(DNN)に基づくデータ融合パイプラインを,学習可能な確率次数を重みとして論理規則により特定可能な,ニューラルシンボリックストリーム推論コンポーネントを導入する。
プラットフォームに依存しないフレームワークとして、cqels 2.0は異なるハードウェアアーキテクチャ(組み込みデバイスからクラウドインフラストラクチャまで)のデバイスに実装できる。
さらに、ネットワーク内の異なるノード上のCQELSインスタンスがリソースを調整し、継続的なクエリをサブスクライブすることで、部分的なワークロードを仲間に委譲することで、処理パイプラインを分散させるアダプティブフェデレータも備えている。
関連論文リスト
- CQnet: convex-geometric interpretation and constraining neural-network
trajectories [0.0]
本稿では,凸分割実現可能性問題の解法として,CQアルゴリズムに起源を持つニューラルネットワークCQnetを紹介する。
CQnetは、サンプルまたはデータ固有の学習および決定論的制約に対応する。
最小限の仮定で安定性・非拡張性の証明を提供する。
論文 参考訳(メタデータ) (2023-02-09T07:38:09Z) - TensAIR: Online Learning from Data Streams via Asynchronous Iterative
Routing [1.9164932573056914]
我々は、データストリームからオンライン学習のためのエンドツーエンドのデータフローエンジンを提供するTensAIRを紹介します。
TensAIRはMap Reduce Joinのような一般的なデータフロー演算子をサポートし、データ並列OLトレインによって拡張され、予測されている。
本研究では,(1)ネットワーク上に展開されるワーカノード数,(2)データバッチがデータフロー演算子に届くスループットの観点から,TensAIRがほぼ線形スケールアウトを達成することを示す。
論文 参考訳(メタデータ) (2022-11-18T15:11:44Z) - Bandwidth-efficient distributed neural network architectures with
application to body sensor networks [73.02174868813475]
本稿では,分散ニューラルネットワークアーキテクチャを設計するための概念設計手法について述べる。
提案手法により,損失を最小限に抑えつつ,最大20倍の帯域幅削減が可能となることを示す。
本稿では,ウェアラブル脳-コンピュータインタフェースに焦点をあてるが,他のセンサネットワークアプリケーションにも適用できる。
論文 参考訳(メタデータ) (2022-10-14T12:35:32Z) - SVNet: Where SO(3) Equivariance Meets Binarization on Point Cloud
Representation [65.4396959244269]
本論文は,3次元学習アーキテクチャを構築するための一般的なフレームワークを設計することによる課題に対処する。
提案手法はPointNetやDGCNNといった一般的なバックボーンに適用できる。
ModelNet40、ShapeNet、および実世界のデータセットであるScanObjectNNの実験では、この手法が効率、回転、精度の間の大きなトレードオフを達成することを示した。
論文 参考訳(メタデータ) (2022-09-13T12:12:19Z) - CREPO: An Open Repository to Benchmark Credal Network Algorithms [78.79752265884109]
クレダルネットワークは、確率質量関数の集合であるクレダルに基づく不正確な確率的グラフィカルモデルである。
CREMAと呼ばれるJavaライブラリが最近リリースされ、クレダルネットワークをモデル化し、処理し、クエリする。
我々は,これらのモデル上での推論タスクの正確な結果とともに,合成クレダルネットワークのオープンリポジトリであるcrrepoを提案する。
論文 参考訳(メタデータ) (2021-05-10T07:31:59Z) - Compiling ONNX Neural Network Models Using MLIR [51.903932262028235]
本稿では,深層ニューラルネットワークモデルの推論のためのコードを生成するonnx-mlirコンパイラについて予備報告を行う。
Onnx-mlirは、最近LLVMプロジェクトに統合されたMulti-Level Intermediate Representation (MLIR)インフラストラクチャに依存している。
論文 参考訳(メタデータ) (2020-08-19T05:28:08Z) - A scalable and efficient convolutional neural network accelerator using
HLS for a System on Chip design [0.0]
提示されたCNNAは、ハードウェアアクセラレーションに高レベル合成(HLS)とSystemCを使用するスケーラブルなアーキテクチャを備えている。
Pythonからエクスポートされた畳み込みニューラルネットワークを高速化し、畳み込み、最大プール、完全に接続されたレイヤの組み合わせをサポートする。
平均消費電力は2.63Wで、効率は6.0GOPS/Wである。
論文 参考訳(メタデータ) (2020-04-27T18:12:22Z) - Parallel sequence tagging for concept recognition [0.0]
名前付きエンティティ認識(NER)と正規化(NEN)は、バイオメディカルテキストのためのあらゆるテキストマイニングシステムの中核となるコンポーネントである。
従来の概念認識パイプラインでは、これらのタスクはシリアルな方法で結合される。
我々は,NER と NEN の両方をシーケンスラベルタスクとしてモデル化し,ソースコードを直接操作する並列アーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-03-16T19:41:07Z) - Searching Central Difference Convolutional Networks for Face
Anti-Spoofing [68.77468465774267]
顔認識システムにおいて、顔の反偽造(FAS)が重要な役割を担っている。
最先端のFASメソッドの多くは、スタック化された畳み込みと専門家が設計したネットワークに依存している。
ここでは、中央差分畳み込み(CDC)に基づくフレームレベルの新しいFAS手法を提案する。
論文 参考訳(メタデータ) (2020-03-09T12:48:37Z) - Conditional Self-Attention for Query-based Summarization [49.616774159367516]
条件依存モデリング用に設計されたニューラルネットワークモジュールであるテキスト条件自己アテンション(CSA)を提案する。
DebatepediaとHotpotQAベンチマークデータセットの実験は、CSAがバニラトランスフォーマーを一貫して上回っていることを示している。
論文 参考訳(メタデータ) (2020-02-18T02:22:31Z)
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。