論文の概要: ACE: Towards Application-Centric Edge-Cloud Collaborative Intelligence
- arxiv url: http://arxiv.org/abs/2203.13061v1
- Date: Thu, 24 Mar 2022 13:12:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-25 14:59:32.837974
- Title: ACE: Towards Application-Centric Edge-Cloud Collaborative Intelligence
- Title(参考訳): ACE: アプリケーション中心のエッジクラウドコラボレーションインテリジェンスを目指す
- Authors: Luhui Wang, Cong Zhao, Shusen Yang, Xinyu Yang, Julie McCann
- Abstract要約: 機械学習に基づくインテリジェントなアプリケーションは、私たちの生活の多くの部分に影響を与えています。
クラウドで実行されている現在の実装は、これらの制約をすべて満たすことができない。
エッジクラウドコラボレーションインテリジェンス(Edge-Cloud Collaborative Intelligence)パラダイムは、このような問題に対処するための一般的なアプローチとなっている。
- 参考スコア(独自算出の注目度): 14.379967483688834
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Intelligent applications based on machine learning are impacting many parts
of our lives. They are required to operate under rigorous practical constraints
in terms of service latency, network bandwidth overheads, and also privacy. Yet
current implementations running in the Cloud are unable to satisfy all these
constraints. The Edge-Cloud Collaborative Intelligence (ECCI) paradigm has
become a popular approach to address such issues, and rapidly increasing
applications are developed and deployed. However, these prototypical
implementations are developer-dependent and scenario-specific without
generality, which cannot be efficiently applied in large-scale or to general
ECC scenarios in practice, due to the lack of supports for infrastructure
management, edge-cloud collaborative service, complex intelligence workload,
and efficient performance optimization. In this article, we systematically
design and construct the first unified platform, ACE, that handles
ever-increasing edge and cloud resources, user-transparent services, and
proliferating intelligence workloads with increasing scale and complexity, to
facilitate cost-efficient and high-performing ECCI application development and
deployment. For verification, we explicitly present the construction process of
an ACE-based intelligent video query application, and demonstrate how to
achieve customizable performance optimization efficiently. Based on our initial
experience, we discuss both the limitations and vision of ACE to shed light on
promising issues to elaborate in the approaching ECCI ecosystem.
- Abstract(参考訳): 機械学習に基づくインテリジェントなアプリケーションは、私たちの生活の多くの部分に影響を与えています。
サービスレイテンシやネットワーク帯域のオーバーヘッド、プライバシといった面では、厳格な実践的な制約の下で運用することが求められます。
しかし、クラウドで実行されている現在の実装は、これらの制約をすべて満たすことができない。
エッジクラウドコラボレーションインテリジェンス(ECCI)パラダイムは、このような問題に対処するための一般的なアプローチとなり、急速に増加するアプリケーションが開発され、デプロイされる。
しかしながら,これらのプロトタイプ実装は,インフラストラクチャ管理やエッジクラウド協調サービス,複雑なインテリジェンスワークロード,効率的なパフォーマンス最適化といったサポートが欠如しているため,大規模あるいは一般のECCシナリオでは効率的に適用できない,一般性のない,開発者依存かつシナリオ固有である。
この記事では、コスト効率と高性能なECCIアプリケーション開発とデプロイメントを容易にするため、エッジとクラウドリソースの継続的な増加、ユーザ透過型サービス、およびスケールと複雑さの増大によるインテリジェンスワークロードの増大を扱う、最初の統合プラットフォームであるACEを体系的に設計し、構築する。
検証のために、ACEベースのインテリジェントなビデオクエリアプリケーションの構築プロセスを明示的に提示し、より効率的にカスタマイズ可能なパフォーマンス最適化を実現する方法を示す。
最初の経験に基づいて、近日中のECCIエコシステムにおいて、期待できる問題に光を当てるためのACEの限界とビジョンを議論する。
関連論文リスト
- Intelligent Mobile AI-Generated Content Services via Interactive Prompt Engineering and Dynamic Service Provisioning [55.641299901038316]
AI生成コンテンツは、ネットワークエッジで協調的なMobile AIGC Service Providers(MASP)を編成して、リソース制約のあるユーザにユビキタスでカスタマイズされたコンテンツを提供することができる。
このようなパラダイムは2つの大きな課題に直面している: 1) 生のプロンプトは、ユーザーが特定のAIGCモデルで経験していないために、しばしば生成品質が低下する。
本研究では,Large Language Model (LLM) を利用してカスタマイズしたプロンプトコーパスを生成する対話型プロンプトエンジニアリング機構を開発し,政策模倣に逆強化学習(IRL)を用いる。
論文 参考訳(メタデータ) (2025-02-17T03:05:20Z) - Self-Organizing Interaction Spaces: A Framework for Engineering Pervasive Applications in Mobile and Distributed Environments [0.0]
本稿では,工学的普及のための新しいフレームワークであるSOISを紹介する。
SOISは移動ノードの動的で異質な性質を活用し、適応的な組織構造を形成する。
結果は、効率を高め、従来のクラウドモデルへの依存を減らす可能性を強調している。
論文 参考訳(メタデータ) (2025-02-03T08:11:30Z) - Transforming the Hybrid Cloud for Emerging AI Workloads [81.15269563290326]
このホワイトペーパーでは、AIワークロードの複雑さの増大に対応するために、ハイブリッドクラウドシステムを変革することを想定している。
提案したフレームワークは、エネルギー効率、性能、コスト効率において重要な課題に対処する。
この共同イニシアチブは、ハイブリッドクラウドをセキュアで効率的で持続可能なプラットフォームとして確立することを目的としています。
論文 参考訳(メタデータ) (2024-11-20T11:57:43Z) - Optimizing Airline Reservation Systems with Edge-Enabled Microservices: A Framework for Real-Time Data Processing and Enhanced User Responsiveness [1.03590082373586]
本稿では,航空会社におけるエッジコンピューティングの実現のための概念的枠組みについて概説する。
エッジコンピューティングは、座席在庫チェック、予約プロセス、さらにはユーザに近い確認など、特定のアクティビティを可能にするため、全体の応答時間を短縮し、システムの性能を向上させる。
フレームワークの価値には、低レイテンシ、高スループット、高ユーザエクスペリエンスなど、システムのハイパフォーマンスを達成することが含まれるべきです。
論文 参考訳(メタデータ) (2024-11-19T16:58:15Z) - Large Language Model as a Catalyst: A Paradigm Shift in Base Station Siting Optimization [62.16747639440893]
大規模言語モデル(LLM)とその関連技術は、特に迅速な工学とエージェント工学の領域において進歩している。
提案するフレームワークは、検索拡張生成(RAG)を組み込んで、ドメイン固有の知識を取得してソリューションを生成するシステムの能力を高める。
論文 参考訳(メタデータ) (2024-08-07T08:43:32Z) - Machine Learning Insides OptVerse AI Solver: Design Principles and
Applications [74.67495900436728]
本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。
本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。
本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
論文 参考訳(メタデータ) (2024-01-11T15:02:15Z) - VEDLIoT -- Next generation accelerated AIoT systems and applications [4.964750143168832]
VEDLIoTプロジェクトは、分散人工知能(AIoT)アプリケーションのためのエネルギー効率のよいディープラーニング方法論の開発を目指している。
我々は,AIoTシステムに固有の安全性とセキュリティ問題に対処しながら,アルゴリズムの最適化に重点を置いた総合的なアプローチを提案する。
論文 参考訳(メタデータ) (2023-05-09T12:35:00Z) - MCDS: AI Augmented Workflow Scheduling in Mobile Edge Cloud Computing
Systems [12.215537834860699]
近年,エッジコンピューティングプラットフォームの低応答時間を利用してアプリケーション品質・オブ・サービス(QoS)を最適化するスケジューリング手法が提案されている。
本稿では,Deep Surrogate Models を用いたモンテカルロ学習を用いて,モバイルエッジクラウドコンピューティングシステムにおけるワークフローアプリケーションを効率的にスケジューリングする手法を提案する。
論文 参考訳(メタデータ) (2021-12-14T10:00:01Z) - Auto-Split: A General Framework of Collaborative Edge-Cloud AI [49.750972428032355]
本稿では,Huawei Cloudのエッジクラウド共同プロトタイプであるAuto-Splitの技法と技術実践について述べる。
私たちの知る限りでは、Deep Neural Network(DNN)分割機能を提供する既存の産業製品はありません。
論文 参考訳(メタデータ) (2021-08-30T08:03:29Z) - Reproducible Performance Optimization of Complex Applications on the
Edge-to-Cloud Continuum [55.6313942302582]
エッジ・ツー・クラウド・コンティニュム上でのリアルタイムアプリケーションの最適化を支援する手法を提案する。
提案手法は, 制御されたテストベッド環境において, その動作を理解するための厳密な構成解析に頼っている。
当社の方法論はEdge-to-Cloud Continuumの他のアプリケーションに一般化することができる。
論文 参考訳(メタデータ) (2021-08-04T07:35:14Z)
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。