Fugu-MT 論文翻訳(概要): EdgeServe: An Execution Layer for Decentralized Prediction

論文の概要: EdgeServe: An Execution Layer for Decentralized Prediction

arxiv url: http://arxiv.org/abs/2303.08028v1
Date: Thu, 2 Mar 2023 00:55:46 GMT
ステータス: 処理完了
システム内更新日: 2023-03-19 11:49:25.296720
Title: EdgeServe: An Execution Layer for Decentralized Prediction
Title（参考訳）: EdgeServe: 分散予測のための実行層
Authors: Ted Shaowang, Sanjay Krishnan
Abstract要約: 本稿では,分散予測が可能な機械学習システムであるEdgeServeを提案する。 1)マルチカメラオブジェクト追跡,(2)ネットワーク侵入検出,(3)人間の活動認識の3つの分散予測タスクについて,EdgeServeの評価を行った。
参考スコア（独自算出の注目度）: 8.0042437593161
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The relevant features for a machine learning task may be aggregated from data sources collected on different nodes in a network. This problem, which we call decentralized prediction, creates a number of interesting systems challenges in managing data routing, placing computation, and time-synchronization. This paper presents EdgeServe, a machine learning system that can serve decentralized predictions. EdgeServe relies on a low-latency message broker to route data through a network to nodes that can serve predictions. EdgeServe relies on a series of novel optimizations that can tradeoff computation, communication, and accuracy. We evaluate EdgeServe on three decentralized prediction tasks: (1) multi-camera object tracking, (2) network intrusion detection, and (3) human activity recognition.
Abstract（参考訳）: 機械学習タスクの関連する機能は、ネットワーク内の異なるノードで収集されたデータソースから集約することができる。この問題は分散予測と呼ばれ、データルーティングの管理、計算の配置、時間同期といった多くの興味深いシステム課題を生み出します。本稿では,分散予測が可能な機械学習システムであるEdgeServeを提案する。 EdgeServeは低レイテンシのメッセージブローカを使用して、予測を処理可能なノードにデータをルーティングする。 EdgeServeは、計算、通信、精度をトレードオフできる一連の新しい最適化に依存している。 1)マルチカメラオブジェクト追跡,(2)ネットワーク侵入検出,(3)人間の活動認識の3つの分散予測タスクについて,EdgeServeの評価を行った。

関連論文リスト

End-to-End triplet loss based fine-tuning for network embedding in effective PII detection [0.12289361708127873]
本稿では,モバイルパケット中のPIIの露出を予測するための,ディープラーニングに基づくエンドツーエンド学習フレームワークを提案する。このフレームワークは、トレーニング済みの大規模言語モデル(LLM)とオートエンコーダを使用して、ネットワークパケットの埋め込みを生成する。提案する検出フレームワークと,ユーザのデバイスからPIIリークを検出する技術について比較した。
論文参考訳（メタデータ） (2025-02-13T06:43:46Z)
NetFlowGen: Leveraging Generative Pre-training for Network Traffic Dynamics [72.95483148058378]
我々は,NetFlowレコードからのトラフィックデータのみを用いて,トラフィックダイナミクスをキャプチャする汎用機械学習モデルを事前学習することを提案する。ネットワーク特徴表現の統一,未ラベルの大規模トラフィックデータ量からの学習,DDoS攻撃検出における下流タスクのテストといった課題に対処する。
論文参考訳（メタデータ） (2024-12-30T00:47:49Z)
Enhancing Automata Learning with Statistical Machine Learning: A Network Security Case Study [4.2751988244805466]
本稿では,ネットワークトラヒックデータから状態マシンを抽出するために,オートマチック学習を用いる。我々は,産業パートナーのRabbitRun Technologiesが開発した商用ネットワーク侵入検知システムに適用する。我々の手法は、学習された状態マシンの状態数と遷移を平均67.5%削減する。
論文参考訳（メタデータ） (2024-05-18T02:10:41Z)
Machine Learning for QoS Prediction in Vehicular Communication: Challenges and Solution Approaches [46.52224306624461]
最大スループット予測の強化,例えばストリーミングや高精細マッピングアプリケーションについて検討する。収集したデータの基盤となる特性をよりよく理解することで、マシンラーニング技術上に信頼性を構築することができるかを強調します。我々は、説明可能なAIを使用して、機械学習が明示的にプログラムされることなく、無線ネットワークの基本原理を学習できることを示す。
論文参考訳（メタデータ） (2023-02-23T12:29:20Z)
CARNet: A Dynamic Autoencoder for Learning Latent Dynamics in Autonomous Driving Tasks [11.489187712465325]
自律運転システムは、世界の抽象的な記述を形成するために、様々なセンサから収集した情報を効果的に活用すべきである。オートエンコーダのようなディープラーニングモデルは、受信データのストリームからコンパクトな潜在表現を学習できるため、その目的のために使用できる。この研究は、自動エンコーダとリカレントニューラルネットワークを組み合わせて現在の潜伏表現を学習する、複合dynAmicautoencodeRネットワークアーキテクチャであるCARNetを提案する。
論文参考訳（メタデータ） (2022-05-18T04:15:42Z)
IIsy: Practical In-Network Classification [2.608260886171156]
IIsyは、オフザシェルフネットワークデバイスを使用して、ハイブリッド方式で機械学習分類モデルを実装する。 IIsyはさまざまな従来型およびアンサンブル機械学習モデルをサポートし、スイッチパイプラインのステージ数とは独立してスケールする。スイッチとバックエンドの大規模モデルに小さなモデルを実装し,最適な分類結果に近づいたIIsyのハイブリッド分類への応用を実証する。
論文参考訳（メタデータ） (2022-05-17T11:37:15Z)
Automated Machine Learning Techniques for Data Streams [91.3755431537592]
本稿では、最先端のオープンソースAutoMLツールを調査し、ストリームから収集したデータに適用し、時間とともにパフォーマンスがどのように変化するかを測定する。この結果から,既製のAutoMLツールで十分な結果が得られることが示されたが,概念ドリフトや検出,適応といった手法が適用されれば,予測精度を時間とともに維持することが可能になる。
論文参考訳（メタデータ） (2021-06-14T11:42:46Z)
Graph-Based Neural Network Models with Multiple Self-Supervised Auxiliary Tasks [79.28094304325116]
グラフ畳み込みネットワークは、構造化されたデータポイント間の関係をキャプチャするための最も有望なアプローチである。マルチタスク方式でグラフベースニューラルネットワークモデルを学習するための3つの新しい自己教師付き補助タスクを提案する。
論文参考訳（メタデータ） (2020-11-14T11:09:51Z)
Information-Theoretic Bounds on the Generalization Error and Privacy Leakage in Federated Learning [96.38757904624208]
モバイルネットワーク上の機械学習アルゴリズムは、3つのカテゴリに分類される。この研究の主な目的は、前述のすべての学習パラダイムに対する情報理論のフレームワークを提供することである。
論文参考訳（メタデータ） (2020-05-05T21:23:45Z)
A System for Real-Time Interactive Analysis of Deep Learning Training [66.06880335222529]
現在利用可能なシステムは、トレーニングプロセスが始まる前に指定しなければならないログデータのみを監視することに限定されている。本稿では,リアルタイム情報を生成するライブプロセス上で対話型クエリを実行可能にするシステムを提案する。
論文参考訳（メタデータ） (2020-01-05T11:33:31Z)

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。