論文の概要: Zero-Touch Network on Industrial IoT: An End-to-End Machine Learning Approach

• arxiv url: http://arxiv.org/abs/2204.12605v1
• Date: Tue, 26 Apr 2022 21:41:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-28 14:48:46.666046
• Title: Zero-Touch Network on Industrial IoT: An End-to-End Machine Learning Approach
• Title（参考訳）: 産業用IoTにおけるゼロタッチネットワーク - エンドツーエンドの機械学習アプローチ
• Authors: Shih-Chun Lin, Chia-Hung Lin, and Wei-Chi Chen
• Abstract要約: 本稿では、インテリジェント製造のためのゼロタッチネットワークシステムを開発する。 トレーニングと推論の両方の段階において、大規模な方法で分散AIアプリケーションを容易にする。
• 参考スコア（独自算出の注目度）: 14.349058730410109
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Industry 4.0-enabled smart factory is expected to realize the next revolution for manufacturers. Although artificial intelligence (AI) technologies have improved productivity, current use cases belong to small-scale and single-task operations. To unbound the potential of smart factory, this paper develops zero-touch network systems for intelligent manufacturing and facilitates distributed AI applications in both training and inferring stages in a large-scale manner. The open radio access network (O-RAN) architecture is first introduced for the zero-touch platform to enable globally controlling communications and computation infrastructure capability in the field. The designed serverless framework allows intelligent and efficient learning assignments and resource allocations. Hence, requested learning tasks can be assigned to appropriate robots, and the underlying infrastructure can be used to support the learning tasks without expert knowledge. Moreover, due to the proposed network system's flexibility, powerful AI-enabled networking algorithms can be utilized to ensure service-level agreements and superior performances for factory workloads. Finally, three open research directions of backward compatibility, end-to-end enhancements, and cybersecurity are discussed for zero-touch smart factory.
• Abstract（参考訳）: 業界4.0対応スマートファクトリーは、製造業者にとって次の革命を実現するだろう。 人工知能(AI)技術は生産性を向上しているが、現在のユースケースは小規模と単一タスクの操作に属する。 スマートファクトリの可能性を解き放つために、インテリジェントな製造のためのゼロタッチネットワークシステムを開発し、大規模にトレーニングおよび推論段階の分散AIアプリケーションを容易にする。 オープン無線アクセスネットワーク(O-RAN)アーキテクチャは、ゼロタッチプラットフォーム向けに初めて導入され、フィールドにおける通信と計算インフラのグローバル制御を可能にする。 サーバーレスフレームワークはインテリジェントで効率的な学習割り当てとリソース割り当てを可能にする。 したがって、要求された学習タスクを適切なロボットに割り当てることができ、基礎となるインフラストラクチャは、専門家の知識なしで学習タスクをサポートするために使用できる。 さらに、提案されたネットワークシステムの柔軟性のため、強力なAI対応ネットワークアルゴリズムを使用して、サービスレベルの合意とファクトリワークロードの優れたパフォーマンスを保証することができる。 最後に、ゼロタッチスマートファクトリーにおいて、後方互換性、エンドツーエンド拡張、サイバーセキュリティの3つのオープン研究方向について論じる。

関連論文リスト

• Green Edge AI: A Contemporary Survey [49.47249665895926]
  グリーンエッジAIに関する現代の調査を紹介する。 その可能性にもかかわらず、エッジAIは重大な課題に直面している。主な原因は、無線エッジネットワークのリソース制限と、ディープラーニング(DL)のリソース集約性との間の二分である。 我々は、エッジAIシステムにおける3つの重要なタスクに対して、トレーニングデータ取得、エッジトレーニング、エッジ推論を含むエネルギー効率の高い設計手法について検討する。
  論文  参考訳（メタデータ） (2023-12-01T04:04:37Z)
• Uncertainty Estimation in Multi-Agent Distributed Learning [0.0]
  KDT NEUROKIT2Eプロジェクトは、エッジデバイス上のAIアプリケーションを容易にするための、新たなオープンソースフレームワークを確立することを目的としている。 本研究は,エッジネットワーク対応エージェントが分散環境における協調学習に携わることを可能にするメカニズムと方法論に焦点をあてる。
  論文  参考訳（メタデータ） (2023-11-22T12:48:20Z)
• Large Language Models Empowered Autonomous Edge AI for Connected Intelligence [51.269276328087855]
  エッジ人工知能(Edge AI)は、コネクテッドインテリジェンスを実現するための有望なソリューションである。 この記事では、ユーザのさまざまな要件を満たすために自動的に組織化し、適応し、最適化する、自律的なエッジAIシステムのビジョンを示す。
  論文  参考訳（メタデータ） (2023-07-06T05:16:55Z)
• Naeural AI OS -- Decentralized ubiquitous computing MLOps execution engine [0.0]
  エンド・ツー・エンドのAI協調型アプリケーションパイプラインのローコード開発と展開に革新的なアプローチを提案する。 我々は、トークン化経済に基づいて、完全に分散したグローバルな協力コミュニティにおけるインフラ割り当て、コスト、および安全な雇用分配について論じる。
  論文  参考訳（メタデータ） (2023-06-14T19:20:43Z)
• Introduction to the Artificial Intelligence that can be applied to the Network Automation Journey [68.8204255655161]
  Intent-Based Networking - Concepts and Definitions"ドキュメントには、NetDevOpsに関わる可能性のあるエコシステムのさまざまな部分について記述されている。 認識、生成、翻訳、精巧な機能には、アルゴリズムを実装するための新しい方法が必要だ。
  論文  参考訳（メタデータ） (2022-04-02T08:12:08Z)
• Edge Artificial Intelligence for 6G: Vision, Enabling Technologies, and Applications [39.223546118441476]
  6Gはワイヤレスの進化を「コネクテッドモノ」から「コネクテッドインテリジェンス」に変革する ディープラーニングとビッグデータ分析に基づくAIシステムは、膨大な計算と通信資源を必要とする。 エッジAIは、センサー、通信、計算、インテリジェンスをシームレスに統合する6Gの破壊的技術として際立っている。
  論文  参考訳（メタデータ） (2021-11-24T11:47:16Z)
• Artificial Intelligence-Driven Customized Manufacturing Factory: Key Technologies, Applications, and Challenges [6.730602129752864]
  本稿では、カスタマイズ製造(CM)におけるAIの実装に焦点を当てる。 知的製造装置の詳細、知的情報相互作用、フレキシブルな製造ラインの構築について紹介する。 カスタマイズされたスマートファクトリにおけるAI対応技術は、カスタマイズされたパッケージングのケーススタディで検証される。
  論文  参考訳（メタデータ） (2021-08-07T07:14:36Z)
• Federated Learning for Industrial Internet of Things in Future Industries [106.13524161081355]
  産業用IoT(Industrial Internet of Things)は,産業用システムの運用を変革する有望な機会を提供する。 近年、人工知能(AI)はインテリジェントIIoTアプリケーションの実現に広く利用されている。 フェデレートラーニング(FL)は、複数のIIoTデバイスとマシンを協調して、ネットワークエッジでAIトレーニングを実行することで、インテリジェントなIIoTネットワークにとって特に魅力的である。
  論文  参考訳（メタデータ） (2021-05-31T01:02:59Z)
• Towards Self-learning Edge Intelligence in 6G [143.1821636135413]
  エッジインテリジェンス(エッジインテリジェンス、Edge Intelligence、別名エッジネイティブ人工知能(AI))は、AI、通信ネットワーク、モバイルエッジコンピューティングのシームレスな統合に焦点を当てた新興技術フレームワークである。 本稿では、6GにおけるエッジネイティブAIの重要な要件と課題を特定する。
  論文  参考訳（メタデータ） (2020-10-01T02:16:40Z)
• Deep Learning for Ultra-Reliable and Low-Latency Communications in 6G Networks [84.2155885234293]
  まず,データ駆動型教師付き深層学習と深部強化学習をURLLCに適用する方法を概説する。 このようなオープンな問題に対処するために、デバイスインテリジェンス、エッジインテリジェンス、およびURLLCのためのクラウドインテリジェンスを可能にするマルチレベルアーキテクチャを開発した。
  論文  参考訳（メタデータ） (2020-02-22T14:38:11Z)

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。