論文の概要: To Compute or not to Compute? Adaptive Smart Sensing in
Resource-Constrained Edge Computing
- arxiv url: http://arxiv.org/abs/2209.02166v1
- Date: Mon, 5 Sep 2022 23:46:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-07 15:06:41.191254
- Title: To Compute or not to Compute? Adaptive Smart Sensing in
Resource-Constrained Edge Computing
- Title（参考訳）: 計算するか計算しないか?
資源制約エッジコンピューティングにおける適応型スマートセンシング
- Authors: Luca Ballotta, Giovanni Peserico, Francesco Zanini, Paolo Dini
- Abstract要約: 我々は、エッジコンピューティングアプリケーションのためのスマートセンサーのネットワークについて検討し、関心のシグナルをサンプリングし、基地局にアップデートを送信し、リモートグローバル監視を行う。
センサーはセンサーと計算機能を備えており、生のデータを送信したり、送信前にオンボードで処理することができる。
本稿では,各センサの計算資源を動的に割り当てるための強化学習に基づくアプローチを提案する。
- 参考スコア（独自算出の注目度）: 2.6545021289556208
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We consider a network of smart sensors for edge computing application that
sample a signal of interest and send updates to a base station for remote
global monitoring. Sensors are equipped with sensing and compute, and can
either send raw data or process them on-board before transmission. Limited
hardware resources at the edge generate a fundamental latency-accuracy
trade-off: raw measurements are inaccurate but timely, whereas accurate
processed updates are available after computational delay. Also, if sensor
on-board processing entails data compression, latency caused by wireless
communication might be higher for raw measurements. Hence, one needs to decide
when sensors should transmit raw measurements or rely on local processing to
maximize overall network performance. To tackle this sensing design problem, we
model an estimation-theoretic optimization framework that embeds computation
and communication delays, and propose a Reinforcement Learning-based approach
to dynamically allocate computational resources at each sensor. Effectiveness
of our proposed approach is validated through numerical simulations with case
studies motivated by the Internet of Drones and self-driving vehicles.
- Abstract（参考訳）: エッジコンピューティングアプリケーション用のスマートセンサのネットワークについて検討し,関心のある信号をサンプリングし,リモートのグローバル監視のために基地局に更新を送信する。
センサーはセンシングと計算機能を備えており、生データを送信したり、送信前に処理することができる。
エッジの限られたハードウェアリソースは、基本的な遅延精度のトレードオフを生成する: 生の測定は不正確だが、タイムリーであるのに対して、正確な処理更新は計算遅延後に利用可能である。
また,センサオンボード処理にデータ圧縮が伴う場合,無線通信による遅延が生測値より大きくなる可能性がある。
したがって、センサが生の測定をいつ送信すべきか、あるいはネットワーク全体の性能を最大化するためにローカル処理に依存するかを決定する必要がある。
このセンシング設計問題に対処するために,計算遅延と通信遅延を組み込んだ推定理論最適化フレームワークをモデル化し,各センサに動的に計算資源を割り当てる強化学習ベースアプローチを提案する。
提案手法の有効性は、ドローンインターネットと自動運転車によるケーススタディによる数値シミュレーションによって検証される。
関連論文リスト
- A Plug-in Tiny AI Module for Intelligent and Selective Sensor Data
Transmission [10.174575604689391]
本稿では、インテリジェントなデータ伝送機能を備えたセンシングフレームワークを実現するための新しいセンシングモジュールを提案する。
センサの近くに置かれる高効率機械学習モデルを統合する。
このモデルは,無関係な情報を破棄しながら,貴重なデータのみを送信するセンサシステムに対して,迅速なフィードバックを提供する。
論文 参考訳（メタデータ） (2024-02-03T05:41:39Z) - Digital Twin-Based User-Centric Edge Continual Learning in Integrated
Sensing and Communication [12.78137871351962]
本稿では,ISACシステムにおけるセンサデータ処理のためのディジタルツイン(DT)に基づくユーザ中心アプローチを提案する。
ISAC装置のDTは、サーバの長期計算コストに対する潜在的な決定の影響を予測するために構築される。
提案手法の優れた性能を示すために,DNNに基づく人体動作認識タスクの実行実験を行った。
論文 参考訳（メタデータ） (2023-11-20T22:27:14Z) - Braille Letter Reading: A Benchmark for Spatio-Temporal Pattern
Recognition on Neuromorphic Hardware [50.380319968947035]
近年の深層学習手法は,そのようなタスクにおいて精度が向上しているが,従来の組込みソリューションへの実装は依然として計算量が非常に高く,エネルギーコストも高い。
文字読み込みによるエッジにおける触覚パターン認識のための新しいベンチマークを提案する。
フィードフォワードとリカレントスパイキングニューラルネットワーク(SNN)を、サロゲート勾配の時間によるバックプロパゲーションを用いてオフラインでトレーニングし比較し、効率的な推論のためにIntel Loihimorphicチップにデプロイした。
LSTMは14%の精度で繰り返しSNNより優れており、Loihi上での繰り返しSNNは237倍のエネルギーである。
論文 参考訳（メタデータ） (2022-05-30T14:30:45Z) - MAPLE-X: Latency Prediction with Explicit Microprocessor Prior Knowledge [87.41163540910854]
ディープニューラルネットワーク(DNN)レイテンシのキャラクタリゼーションは、時間を要するプロセスである。
ハードウェアデバイスの事前知識とDNNアーキテクチャのレイテンシを具体化し,MAPLEを拡張したMAPLE-Xを提案する。
論文 参考訳（メタデータ） (2022-05-25T11:08:20Z) - A Reinforcement Learning Approach to Sensing Design in
Resource-Constrained Wireless Networked Control Systems [0.0]
我々は,動的プロセスを監視し,基地局に計測を送信するセンサ(エージェント)の無線ネットワークについて検討する。
スマートセンサーは、センサーと計算の両方を備えており、生の測定を送信したり、送信前に処理することができる。
本稿では,各センサで計測処理を行う際に動的に決定する効率的なポリシーを学習するための強化学習手法を提案する。
論文 参考訳（メタデータ） (2022-04-01T21:55:11Z) - Benchmarking high-fidelity pedestrian tracking systems for research,
real-time monitoring and crowd control [55.41644538483948]
実生活環境における高忠実な歩行者追跡は,群集動態研究において重要なツールである。
この技術が進歩するにつれて、社会においても益々有用になってきている。
歩行者追跡技術の研究と技術に成功させるためには、正確さの検証とベンチマークが不可欠である。
我々は、プライバシーに配慮した歩行者追跡技術のためのベンチマークスイートをコミュニティのオープンスタンダードに向けて提示し、議論する。
論文 参考訳（メタデータ） (2021-08-26T11:45:26Z) - Bandit Quickest Changepoint Detection [55.855465482260165]
すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。
有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。
本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
論文 参考訳（メタデータ） (2021-07-22T07:25:35Z) - An adaptive cognitive sensor node for ECG monitoring in the Internet of
Medical Things [0.7646713951724011]
インターネット・オブ・メディカル・モノズ(IoMT)パラダイムは、複数の臨床試験や医療処置で主流になりつつある。
本研究では,資源制約型コンピューティングプラットフォームにおける認知データ解析アルゴリズムの実装について検討する。
コンボリューションニューラルネットワークを用いて心電図のトレースを分類する手法について検討した。
論文 参考訳（メタデータ） (2021-06-11T16:49:10Z) - Multi-Exit Semantic Segmentation Networks [78.44441236864057]
本稿では,最先端セグメンテーションモデルをMESSネットワークに変換するフレームワークを提案する。
パラメトリド早期出口を用いた特別訓練されたCNNは、より簡単なサンプルの推測時に、その深さに沿って保存する。
接続されたセグメンテーションヘッドの数、配置、アーキテクチャとエグジットポリシーを併用して、デバイス機能とアプリケーション固有の要件に適応する。
論文 参考訳（メタデータ） (2021-06-07T11:37:03Z) - Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。
本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。
次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
論文 参考訳（メタデータ） (2021-05-20T17:52:37Z) - Development of Use-specific High Performance Cyber-Nanomaterial Optical
Detectors by Effective Choice of Machine Learning Algorithms [14.569246848322983]
サイバーナノマテリアル検出器におけるMLアルゴリズムの最適選択は、主に特定の用途を考慮して決定される。
検出性能の長期ドリフトを1年間にわたって追跡・モデル化することにより,再校正を必要とせずに予測精度を向上させることができることを示す。
論文 参考訳（メタデータ） (2019-12-26T02:44:55Z)
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。