論文の概要: Efficient micro data centres deployment for mobile healthcare monitoring systems in IoT urban scenarios

• arxiv url: http://arxiv.org/abs/2302.10201v1
• Date: Mon, 20 Feb 2023 09:36:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-22 17:28:05.959076
• Title: Efficient micro data centres deployment for mobile healthcare monitoring systems in IoT urban scenarios
• Title（参考訳）: iot都市シナリオにおけるモバイル医療監視システムの効率的なマイクロデータセンタ展開
• Authors: Kevin Henares, Jos\'e L. Risco-Mart\'in, Jos\'e L Ayala, Rom\'an Hermida
• Abstract要約: 本稿では、医療用IoTシナリオの全体的な消費電力を研究するためのM&S方法論について検討する。 既存の都市インフラのレイアウトを抽出し、監視対象人口の挙動をシミュレートし、複数のデータセンター構成の消費電力を比較する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: In the last decade, the Internet of Things paradigm has caused an exponential increase in the number of connected devices. This trend brings the Internet closer to everyday activities and enables data collection that can be used to create and improve a great variety of services and applications. Despite its great benefits, this paradigm also comes with several challenges. More powerful storage and processing capabilities are required to service all these devices. Additionally, the need to deploy and manage the infrastructure to efficiently support these resources continues to pose a challenge. Modeling and simulation can help to design and analyze these scenarios, providing flexible and powerful mechanisms to study and compare different strategies and infrastructures. In this scenario, Micro Data Centers (MDCs) can be used as an effective way of reducing overwhelmed Cloud Data Center infrastructures. This paper explores an M\&S methodology to study the overall power consumption of a healthcare IoT scenario. The patients wear non-intrusive monitoring devices that periodically generate tasks to be executed in MDCs. We extract the layout of existing urban infrastructures, simulate the monitored population's behavior, and compare the power consumption of several data center configurations.
• Abstract（参考訳）: 過去10年間で、モノのインターネット(Internet of Things)パラダイムは、コネクテッドデバイスの数を大幅に増加させました。 このトレンドは、インターネットを日々のアクティビティに近づけ、さまざまなサービスやアプリケーションの作成や改善に使用できるデータ収集を可能にします。 その大きなメリットにもかかわらず、このパラダイムにはいくつかの課題もある。 これらすべてのデバイスを運用するには、より強力なストレージと処理能力が必要である。 さらに、これらのリソースを効率的にサポートするためのインフラストラクチャのデプロイと管理の必要性は、依然として課題である。 モデリングとシミュレーションはこれらのシナリオを設計し分析するのに役立ち、異なる戦略やインフラを研究し比較するための柔軟で強力なメカニズムを提供する。 このシナリオでは、micro data center(mdcs)を、圧倒的なクラウドデータセンタインフラストラクチャを削減する効果的な方法として使用できる。 本稿では、医療用IoTシナリオの全体的な消費電力を研究するためのM\&S方法論について検討する。 患者は定期的にMDCで実行されるタスクを生成する非侵襲的な監視装置を装着する。 既存の都市インフラのレイアウトを抽出し,監視対象住民の挙動をシミュレートし,複数のデータセンター構成の消費電力を比較した。

関連論文リスト

• AirDnD -- Asynchronous In-Range Dynamic and Distributed Network Orchestration Framework [1.8590097948961688]
  本研究の目的は、動的メッシュネットワークを形成することにより、分散エッジデバイスにおけるコンピューティングリソースの利用を改善することである。 提案手法は, 地理的に分散したエッジデバイスを生物に変換する3つのモデルから構成される。
  論文  参考訳（メタデータ） (2024-07-15T07:43:56Z)
• Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
  我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。 実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-22T14:16:37Z)
• Bringing AI to the edge: A formal M&S specification to deploy effective IoT architectures [0.0]
  モノのインターネットは私たちの社会を変え、生活の質と資源管理を改善する新しいサービスを提供しています。 これらのアプリケーションは、限られたコンピューティングリソースとパワーを持つ、複数の分散デバイスのユビキタスネットワークに基づいている。 フォグコンピューティングのような新しいアーキテクチャが登場し、コンピューティング基盤をデータソースに近づけている。
  論文  参考訳（メタデータ） (2023-05-11T21:29:58Z)
• An IoT Cloud and Big Data Architecture for the Maintenance of Home Appliances [0.0722732388409495]
  この作業は分散型でスケーラブルなプラットフォームアーキテクチャを導入し、効率的なビッグデータ収集と分析のためにデプロイすることができる。 提案システムは,家電製品の予測保守のためのケーススタディで検証された。 実験結果から,提案システムは実世界のIoTシナリオに費用対効果と局所的なアプローチで対処する上で有用であることが示された。
  論文  参考訳（メタデータ） (2022-10-25T13:25:00Z)
• Distributed intelligence on the Edge-to-Cloud Continuum: A systematic literature review [62.997667081978825]
  このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。 現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
  論文  参考訳（メタデータ） (2022-04-29T08:06:05Z)
• Learning Task-Aware Energy Disaggregation: a Federated Approach [1.52292571922932]
  非侵入負荷監視(NILM)は、集約されたメーター測定に基づいて、個々のデバイスの消費電力プロファイルを見つけることを目的としている。 しかし、そのような住宅負荷データセットの収集には、膨大な努力と顧客による計測データの共有の承認が必要である。 NILMタスクのための分散型・タスク適応型学習手法を提案し,タスク固有のモデルを総合的に学習するためのネスト型メタ学習とフェデレーション型学習ステップを設計する。
  論文  参考訳（メタデータ） (2022-04-14T05:53:41Z)
• Power Modeling for Effective Datacenter Planning and Compute Management [53.41102502425513]
  我々は,すべてのハードウェア構成とワークロードに適用可能な,正確でシンプルで解釈可能な統計パワーモデルの設計と検証の2つのクラスについて論じる。 提案された統計的モデリング手法は, 単純かつスケーラブルでありながら, 4つの特徴のみを用いて, 95% 以上の多様な配電ユニット (2000 以上) に対して, 5% 未満の絶対パーセンテージエラー (MAPE) で電力を予測できることを実証した。
  論文  参考訳（メタデータ） (2021-03-22T21:22:51Z)
• Reinforcement Learning for Datacenter Congestion Control [50.225885814524304]
  渋滞制御アルゴリズムの成功は、レイテンシとネットワーク全体のスループットを劇的に改善する。 今日まで、このような学習ベースのアルゴリズムはこの領域で実用的な可能性を示さなかった。 実世界のデータセンターネットワークの様々な構成に一般化することを目的としたRLに基づくアルゴリズムを考案する。 本稿では,この手法が他のRL手法よりも優れており,トレーニング中に見られなかったシナリオに一般化可能であることを示す。
  論文  参考訳（メタデータ） (2021-02-18T13:49:28Z)
• 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)
• Artificial Intelligence (AI)-Centric Management of Resources in Modern Distributed Computing Systems [22.550075095184514]
  Cloud Data Centres (DCS) は大規模で複雑で異種であり、複数のネットワークと地理的境界に分散している。 IoT(Internet of Things)駆動のアプリケーションは、リアルタイム処理と迅速な応答を必要とする膨大なデータを生成しています。 既存のリソース管理システム(RMS)は、そのような複合システムや動的システムには静的またはソリューションが不十分である。
  論文  参考訳（メタデータ） (2020-06-09T06:54:07Z)
• Wireless Communications for Collaborative Federated Learning [160.82696473996566]
  IoT(Internet of Things)デバイスは、収集したデータを中央のコントローラに送信することができず、機械学習モデルをトレーニングすることができる。 GoogleのセミナルFLアルゴリズムでは、すべてのデバイスを中央コントローラに直接接続する必要がある。 本稿では,コラボレーティブFL(CFL)と呼ばれる新しいFLフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-03T20:00:02Z)

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。