論文の概要: A Survey on Over-the-Air Computation

• arxiv url: http://arxiv.org/abs/2210.11350v5
• Date: Sun, 2 Apr 2023 21:49:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-05 00:27:32.638810
• Title: A Survey on Over-the-Air Computation
• Title（参考訳）: オーバー・ザ・エア計算に関する調査
• Authors: Alphan Sahin, Rui Yang
• Abstract要約: オーバー・ザ・エア・コンピューティング(OAC)は,通信タスクと計算タスクを分離するよりも,達成可能な計算速度がはるかに高いことを示す。 利用可能なOACスキームについて,その長所と短所について論じる。 OACの潜在的な応用を要約し、今後の方向性を指摘する。
• 参考スコア（独自算出の注目度）: 13.878567119881483
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Communication and computation are often viewed as separate tasks. This approach is very effective from the perspective of engineering as isolated optimizations can be performed. However, for many computation-oriented applications, the main interest is a function of the local information at the devices, rather than the local information itself. In such scenarios, information theoretical results show that harnessing the interference in a multiple access channel for computation, i.e., over-the-air computation (OAC), can provide a significantly higher achievable computation rate than separating communication and computation tasks. Moreover, the gap between OAC and separation in terms of computation rate increases with more participating nodes. Given this motivation, in this study, we provide a comprehensive survey on practical OAC methods. After outlining fundamentals related to OAC, we discuss the available OAC schemes with their pros and cons. We provide an overview of the enabling mechanisms for achieving reliable computation in the wireless channel. Finally, we summarize the potential applications of OAC and point out some future directions.
• Abstract（参考訳）: コミュニケーションと計算はしばしば別のタスクと見なされる。 このアプローチは、分離された最適化を行うことができるため、エンジニアリングの観点から非常に効果的です。 しかし、多くの計算指向アプリケーションにおいて、主な関心事は、ローカル情報そのものではなく、デバイスにおけるローカル情報の関数である。 このようなシナリオでは、情報理論的な結果から、通信と計算タスクを分離するよりも、複数のアクセスチャネルの干渉を利用した計算、すなわち、oac(over-the-air computation)がはるかに高い達成可能な計算率を提供できることが示されている。 さらに、OACと計算速度の分離のギャップは、より多くのノードが参加することで増大する。 この動機から,本研究では,OAC手法に関する総合的な調査を行う。 OACに関する基礎を概説した後、利用可能なOACスキームについて、その長所と短所について論じる。 本稿では,無線チャネルにおける信頼性の高い計算を実現するための実現機構について概説する。 最後に、OACの潜在的な応用を要約し、今後の方向性を指摘する。

関連論文リスト

• Over-the-Air Federated Learning via Weighted Aggregation [9.043019524847491]
  本稿では, オーバー・ザ・エア計算を利用した新しいフェデレーション学習手法を提案する。 このスキームの新たな特徴は、アグリゲーション中に適応重みを用いるという提案である。 提案手法の収束を導出する数学的手法を提案する。
  論文  参考訳（メタデータ） (2024-09-12T08:07:11Z)
• Predicting Probabilities of Error to Combine Quantization and Early Exiting: QuEE [68.6018458996143]
  本稿では,量子化と早期出口動的ネットワークを組み合わせたより一般的な動的ネットワークQuEEを提案する。 我々のアルゴリズムは、ソフトアーリーエグジットや入力依存圧縮の一形態と見なすことができる。 提案手法の重要な要素は、さらなる計算によって実現可能な潜在的な精度向上の正確な予測である。
  論文  参考訳（メタデータ） (2024-06-20T15:25:13Z)
• Probabilistic Sampling of Balanced K-Means using Adiabatic Quantum Computing [93.83016310295804]
  AQCは研究関心の問題を実装でき、コンピュータビジョンタスクのための量子表現の開発に拍車をかけた。 本研究では,この情報を確率的バランスの取れたk平均クラスタリングに活用する可能性について検討する。 最適でない解を捨てる代わりに, 計算コストを少なくして, 校正後部確率を計算することを提案する。 これにより、合成タスクと実際の視覚データについて、D-Wave AQCで示すような曖昧な解とデータポイントを識別することができる。
  論文  参考訳（メタデータ） (2023-10-18T17:59:45Z)
• Task-Oriented Sensing, Computation, and Communication Integration for Multi-Device Edge AI [108.08079323459822]
  本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。 推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
  論文  参考訳（メタデータ） (2022-07-03T06:57:07Z)
• Over-the-Air Multi-Task Federated Learning Over MIMO Interference Channel [17.362158131772127]
  We study over-the-air multi-task FL (OA-MTFL) over the multiple-input multiple-output (MIMO) interference channel。 そこで本研究では,各デバイスに局所勾配をアライメントするモデルアグリゲーション手法を提案する。 新たなモデルアグリゲーション手法を用いることで,デバイス選択はもはや我々の計画に必須ではないことを示す。
  論文  参考訳（メタデータ） (2021-12-27T10:42:04Z)
• Collaborative Learning over Wireless Networks: An Introductory Overview [84.09366153693361]
  主に、ワイヤレスデバイス間の協調トレーニングに焦点を合わせます。 過去数十年間、多くの分散最適化アルゴリズムが開発されてきた。 データ局所性 – すなわち、各参加デバイスで利用可能なデータがローカルのままである間、共同モデルを協調的にトレーニングすることができる。
  論文  参考訳（メタデータ） (2021-12-07T20:15:39Z)
• Guidelines for the Computational Testing of Machine Learning approaches to Vehicle Routing Problems [3.3946853660795884]
  我々は,機械学習コミュニティが提案するVRPのアプローチの計算的研究において生じる課題を強調した。 OR論文で示されたものの特徴を持つ計算研究が実現されることを願っている。
  論文  参考訳（メタデータ） (2021-09-28T18:47:43Z)
• Towards AIOps in Edge Computing Environments [60.27785717687999]
  本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。 高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
  論文  参考訳（メタデータ） (2021-02-12T09:33:00Z)
• Split Computing for Complex Object Detectors: Challenges and Preliminary Results [8.291242737118482]
  大規模データセット(COCO 2017)でトレーニングされた強力なR-CNNオブジェクト検出器のための分割計算手法開発における課題について論じる。 単純な分割計算法では推論時間を短縮できないことを示す。 これは、そのような物体検出器に小さなボトルネックを注入し、スプリットコンピューティングアプローチの可能性を明らかにする最初の研究である。
  論文  参考訳（メタデータ） (2020-07-27T05:03:37Z)
• Can We Learn Heuristics For Graphical Model Inference Using Reinforcement Learning? [114.24881214319048]
  我々は、強化学習を用いて、高次条件ランダム場(CRF)における推論を解くためのプログラム、すなわち、ポリシーを学習できることを示します。 本手法は,ポテンシャルの形式に制約を加えることなく,推論タスクを効率的に解く。
  論文  参考訳（メタデータ） (2020-04-27T19:24:04Z)
• Differentiable Adaptive Computation Time for Visual Reasoning [4.7518908453572]
  本稿では,DACTと呼ばれる適応計算を実現するための新しいアテンションベースアルゴリズムを提案する。 特に,広く知られているMACアーキテクチャへの応用について検討する。 CLEVRデータセットにおいて、使用するステップの最大数を増やすことで、最高の非適応MACであっても精度を上回ることを示す。
  論文  参考訳（メタデータ） (2020-04-27T13:20:23Z)

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。