Fugu-MT 論文翻訳(概要): DECICE: Device-Edge-Cloud Intelligent Collaboration Framework

論文の概要: DECICE: Device-Edge-Cloud Intelligent Collaboration Framework

arxiv url: http://arxiv.org/abs/2305.02697v1
Date: Thu, 4 May 2023 10:11:14 GMT
ステータス: 処理完了
システム内更新日: 2023-05-05 16:12:08.588156
Title: DECICE: Device-Edge-Cloud Intelligent Collaboration Framework
Title（参考訳）: DECICE: デバイスエッジクラウドのインテリジェントコラボレーションフレームワーク
Authors: Julian Kunkel, Christian Boehme, Jonathan Decker, Fabrizio Magugliani, Dirk Pleiter, Bastian Koller, Karthee Sivalingam, Sabri Pllana, Alexander Nikolov, Mujdat Soyturk, Christian Racca, Andrea Bartolini, Adrian Tate, Berkay Yaman
Abstract要約: DeCICEフレームワークとアーキテクチャについて説明する。我々は、インテリジェントトラフィック交差点、磁気共鳴イメージング、緊急応答といったフレームワーク評価のユースケースを強調した。
参考スコア（独自算出の注目度）: 44.60377772088869
License: http://creativecommons.org/licenses/by/4.0/
Abstract: DECICE is a Horizon Europe project that is developing an AI-enabled open and portable management framework for automatic and adaptive optimization and deployment of applications in computing continuum encompassing from IoT sensors on the Edge to large-scale Cloud / HPC computing infrastructures. In this paper, we describe the DECICE framework and architecture. Furthermore, we highlight use-cases for framework evaluation: intelligent traffic intersection, magnetic resonance imaging, and emergency response.
Abstract（参考訳）: deciceは,エッジ上のiotセンサから大規模クラウド/hpcコンピューティングインフラストラクチャに至るまで,アプリケーションの最適化とデプロイを自動化するai対応のオープンかつポータブルな管理フレームワークを開発する,horizon europeのプロジェクトだ。本稿では,deciceフレームワークとアーキテクチャについて述べる。さらに、インテリジェント交通交差点、磁気共鳴イメージング、緊急応答といったフレームワーク評価のユースケースを強調した。

関連論文リスト

Task-Oriented Integrated Sensing, Computation and Communication for Wireless Edge AI [46.61358701676358]
エッジ人工知能(AI)は、従来のクラウドをネットワークエッジまで高速に計算するために提案されている。近年,特定のエッジAIタスクに対する無線センシング,計算,通信(SC$2$)の収束が,パラダイムシフトを引き起こしている。超信頼性で低レイテンシなエッジインテリジェンス獲得を実現するために、完全に統合されたセンシング、計算、通信(I SCC)を進めることが最重要である。
論文参考訳（メタデータ） (2023-06-11T06:40:51Z)
VEDLIoT -- Next generation accelerated AIoT systems and applications [4.964750143168832]
VEDLIoTプロジェクトは、分散人工知能(AIoT)アプリケーションのためのエネルギー効率のよいディープラーニング方法論の開発を目指している。我々は,AIoTシステムに固有の安全性とセキュリティ問題に対処しながら,アルゴリズムの最適化に重点を置いた総合的なアプローチを提案する。
論文参考訳（メタデータ） (2023-05-09T12:35:00Z)
The Internet of Senses: Building on Semantic Communications and Edge Intelligence [67.75406096878321]
インターネット・オブ・センセーズ(IoS)は、すべてのヒト受容体に対する欠陥のないテレプレゼンススタイルのコミュニケーションを約束する。我々は,新たなセマンティックコミュニケーションと人工知能(AI)/機械学習(ML)パラダイムがIoSユースケースの要件を満たす方法について詳しく述べる。
論文参考訳（メタデータ） (2022-12-21T03:37:38Z)
ACE: Towards Application-Centric Edge-Cloud Collaborative Intelligence [14.379967483688834]
機械学習に基づくインテリジェントなアプリケーションは、私たちの生活の多くの部分に影響を与えています。クラウドで実行されている現在の実装は、これらの制約をすべて満たすことができない。エッジクラウドコラボレーションインテリジェンス(Edge-Cloud Collaborative Intelligence)パラダイムは、このような問題に対処するための一般的なアプローチとなっている。
論文参考訳（メタデータ） (2022-03-24T13:12:33Z)
Composing Complex and Hybrid AI Solutions [52.00820391621739]
一般的なAIアプリケーションで上記の機能を実現するためのAcumosシステムの拡張について述べる。当社の拡張機能には、gRPC/Protobufインターフェースによるより汎用的なコンポーネントのサポートが含まれています。デプロイ可能なソリューションとそのインターフェースの例を提供する。
論文参考訳（メタデータ） (2022-02-25T08:57:06Z)
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)
EC-SAGINs: Edge Computing-enhanced Space-Air-Ground Integrated Networks for Internet of Vehicles [24.603373235841598]
エッジコンピューティング強化車両インターネット(EC-IoV)は、車両間のユビキタスデータ処理とコンテンツ共有を可能にします。 EC-IoVは、車両と地上エッジコンピューティングインフラストラクチャ間の接続と相互作用に大きく依存しています。遠隔地における各種IoVサービスを支援するために,エッジコンピューティング対応の宇宙航空統合ネットワーク(EC-SAGIN)の枠組みを提案する。
論文参考訳（メタデータ） (2021-01-15T10:56:23Z)
Reliable Fleet Analytics for Edge IoT Solutions [0.0]
AIoTアプリケーションのエッジで機械学習を容易にするためのフレームワークを提案する。コントリビューションは、大規模にフリート分析を提供するためのサービス、ツール、メソッドを含むアーキテクチャである。本稿では,大学キャンパスの部屋でiotデバイスを用いた実験を行うことで,フレームワークの予備検証を行う。
論文参考訳（メタデータ） (2021-01-12T11:28:43Z)
Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with Heterogeneous Learning Tasks [53.1636151439562]
モバイルエッジコンピューティング(MEC)は、AIアプリケーションに自然なプラットフォームを提供します。再構成可能なインテリジェントサーフェス(RIS)の助けを借りて、MECで機械学習タスクを実行するインフラストラクチャを提示します。具体的には,モバイルユーザの送信パワー,基地局のビームフォーミングベクトル,risの位相シフト行列を共同で最適化することにより,参加ユーザの学習誤差を最小化する。
論文参考訳（メタデータ） (2020-12-25T07:08:50Z)

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。