論文の概要: Deep Edge Intelligence: Architecture, Key Features, Enabling Technologies and Challenges

• arxiv url: http://arxiv.org/abs/2210.12944v1
• Date: Mon, 24 Oct 2022 04:18:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-25 18:40:04.719420
• Title: Deep Edge Intelligence: Architecture, Key Features, Enabling Technologies and Challenges
• Title（参考訳）: deep edge intelligence: アーキテクチャ、キー機能、テクノロジと課題の実現
• Authors: Prabath Abeysekara, Hai Dong, A.K. Qin
• Abstract要約: 我々はDeep Edge Intelligence(DEI)という新しいコンピュータビジョンを提案する。 ディープラーニング、人工知能、クラウドとエッジコンピューティング、5G/6Gネットワーク、モノのインターネット、マイクロサービスなどを採用している。 信頼性とセキュアなインテリジェンスサービスを、すべての人や組織に、より優れたユーザエクスペリエンスで提供することを目指している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the breakthroughs in Deep Learning, recent years have witnessed a massive surge in Artificial Intelligence applications and services. Meanwhile, the rapid advances in Mobile Computing and Internet of Things has also given rise to billions of mobile and smart sensing devices connected to the Internet, generating zettabytes of data at the network edge. The opportunity to combine these two domains of technologies to power interconnected devices with intelligence is likely to pave the way for a new wave of technology revolutions. Embracing this technology revolution, in this article, we present a novel computing vision named Deep Edge Intelligence (DEI). DEI employs Deep Learning, Artificial Intelligence, Cloud and Edge Computing, 5G/6G networks, Internet of Things, Microservices, etc. aiming to provision reliable and secure intelligence services to every person and organisation at any place with better user experience. The vision, system architecture, key layers and features of DEI are also detailed. Finally, we reveal the key enabling technologies and research challenges associated with it.
• Abstract（参考訳）: 近年、Deep Learningのブレークスルーにより、人工知能のアプリケーションやサービスが大幅に急増している。 一方、モバイルコンピューティングとモノのインターネットの急速な進歩により、インターネットに接続された数十億のモバイルおよびスマートセンシングデバイスが増加し、ネットワークエッジでゼタバイトのデータを生成する。 これら2つの技術分野を組み合わせることで、相互接続されたデバイスとインテリジェンスを両立させる機会は、新しいテクノロジー革命の波の道を開くだろう。 この技術革命を受け入れるため、この記事ではDeep Edge Intelligence(DEI)という新しいコンピューティングビジョンを提示します。 deiは、ディープラーニング、人工知能、クラウドとエッジコンピューティング、5g/6gネットワーク、モノのインターネット、マイクロサービスなどを採用しており、ユーザエクスペリエンスの優れた任意の場所で、信頼できるセキュアなインテリジェンスサービスをすべての人や組織に提供することを目的としている。 DEIのビジョン、システムアーキテクチャ、重要なレイヤ、機能についても詳しく述べられている。 最後に,実現可能な技術とそれに関連する研究課題を明らかにする。

関連論文リスト

• Networking Systems for Video Anomaly Detection: A Tutorial and Survey [55.28514053969056]
  ビデオ異常検出(VAD)は人工知能(AI)コミュニティにおける基本的な研究課題である。 本稿では,各種深層学習駆動型VAD経路の基本前提,学習フレームワーク,適用シナリオについて述べる。 我々は、産業用IoTおよびスマート都市における最新のNSVAD研究と、デプロイ可能なNSVADのためのエンドクラウド共同アーキテクチャを紹介します。
  論文  参考訳（メタデータ） (2024-05-16T02:00:44Z)
• Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
  予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
  論文  参考訳（メタデータ） (2023-08-15T16:37:16Z)
• Artificial Intelligence for the Metaverse: A Survey [66.57225253532748]
  まず、機械学習アルゴリズムやディープラーニングアーキテクチャを含むAIの予備と、メタバースにおけるその役割について紹介する。 次に、メタバースの可能性を秘めた6つの技術的側面に関するAIベースの手法に関する包括的調査を行う。 医療、製造業、スマートシティ、ゲームなどのAI支援アプリケーションは、仮想世界に展開するために研究されている。
  論文  参考訳（メタデータ） (2022-02-15T03:34:56Z)
• 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)
• Edge-Cloud Polarization and Collaboration: A Comprehensive Survey [61.05059817550049]
  クラウドとエッジ両方のAIの体系的なレビューを行います。 私たちはクラウドとエッジモデリングの協調学習メカニズムを最初にセットアップしました。 我々は現在進行中の最先端AIトピックの可能性と実践経験について議論する。
  論文  参考訳（メタデータ） (2021-11-11T05:58:23Z)
• Empowering Things with Intelligence: A Survey of the Progress, Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
  AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。 まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。 最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
  論文  参考訳（メタデータ） (2020-11-17T13:14:28Z)
• Deep Learning in the Era of Edge Computing: Challenges and Opportunities [21.638476468152312]
  近い将来、エッジデバイスの大半は、ディープラーニングを利用したマシンインテリジェンスを備えるようになるだろう、と私たちは考えている。 ディープラーニングベースのアプローチでは、トレーニングに大量の高品質のデータを必要とし、計算、メモリ、消費電力の面で非常に高価である。
  論文  参考訳（メタデータ） (2020-10-17T20:50:42Z)
• 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)
• Federated Machine Learning for Intelligent IoT via Reconfigurable Intelligent Surface [35.64178319119883]
  我々は,インテリジェントIoTネットワークのための,オーバー・ザ・エアに基づく通信効率の高いフェデレーション機械学習フレームワークを開発した。 モデル集約誤差を低減するために,マルチアクセスチャネルの波形重畳特性を利用する。
  論文  参考訳（メタデータ） (2020-04-13T09:48:04Z)
• Communication-Efficient Edge AI: Algorithms and Systems [39.28788394839187]
  エッジデバイス(IoTデバイスなど)の大規模展開は、前例のない規模のデータを生成する。 このような巨大なデータはすべて、処理のためにエンドデバイスからクラウドに送信することはできない。 AIモデルの推論とトレーニングプロセスをエッジノードにプッシュすることで、エッジAIは有望な代替手段として浮上した。
  論文  参考訳（メタデータ） (2020-02-22T09:27:55Z)

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。