論文の概要: LLHR: Low Latency and High Reliability CNN Distributed Inference for
Resource-Constrained UAV Swarms
- arxiv url: http://arxiv.org/abs/2305.15858v1
- Date: Thu, 25 May 2023 08:47:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-26 16:15:53.253998
- Title: LLHR: Low Latency and High Reliability CNN Distributed Inference for
Resource-Constrained UAV Swarms
- Title（参考訳）: LLHR:資源拘束型UAV群に対する低レイテンシで信頼性の高いCNN分散推論
- Authors: Marwan Dhuheir, Aiman Erbad, Sinan Sabeeh
- Abstract要約: 無人航空機(UAV)は、監視、捜索および救助活動、環境監視など、多くの重要な応用において優れた性能を示している。
有望な解決策の1つは、利用可能なリソースに基づいてUAV間で分散可能なサブタスクに推論要求を分割することである。
システムモデルでは,高い信頼性と低レイテンシを保証する最適な送信電力の探索を目的として,リアルタイム要求を処理している。
- 参考スコア（独自算出の注目度）: 2.320417845168326
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Recently, Unmanned Aerial Vehicles (UAVs) have shown impressive performance
in many critical applications, such as surveillance, search and rescue
operations, environmental monitoring, etc. In many of these applications, the
UAVs capture images as well as other sensory data and then send the data
processing requests to remote servers. Nevertheless, this approach is not
always practical in real-time-based applications due to unstable connections,
limited bandwidth, limited energy, and strict end-to-end latency. One promising
solution is to divide the inference requests into subtasks that can be
distributed among UAVs in a swarm based on the available resources. Moreover,
these tasks create intermediate results that need to be transmitted reliably as
the swarm moves to cover the area. Our system model deals with real-time
requests, aiming to find the optimal transmission power that guarantees higher
reliability and low latency. We formulate the Low Latency and High-Reliability
(LLHR) distributed inference as an optimization problem, and due to the
complexity of the problem, we divide it into three subproblems. In the first
subproblem, we find the optimal transmit power of the connected UAVs with
guaranteed transmission reliability. The second subproblem aims to find the
optimal positions of the UAVs in the grid, while the last subproblem finds the
optimal placement of the CNN layers in the available UAVs. We conduct extensive
simulations and compare our work to two baseline models demonstrating that our
model outperforms the competing models.
- Abstract（参考訳）: 近年,無人航空機 (UAV) は, 監視, 捜索・救助活動, 環境モニタリングなど多くの重要な応用において, 優れた性能を発揮している。
これらのアプリケーションの多くは、uavが画像やその他の感覚データをキャプチャし、そのデータ処理要求をリモートサーバに送信する。
それでもこのアプローチは、不安定な接続、限られた帯域幅、限られたエネルギー、厳格なエンドツーエンドレイテンシのために、リアルタイムベースのアプリケーションでは必ずしも実用的ではない。
有望な解決策の1つは、利用可能なリソースに基づいてUAV間で分散可能なサブタスクに推論要求を分割することである。
さらに、これらのタスクは、Swarmが領域をカバーするために移動するときに確実に送信する必要がある中間結果を生成する。
システムモデルでは,高い信頼性と低レイテンシを保証する最適な送信電力の探索を目的として,リアルタイム要求を処理している。
低レイテンシと高信頼性(LLHR)分散推論を最適化問題として定式化し、問題の複雑さから3つのサブプロブレムに分割する。
第1サブプロブレムでは、送信信頼性が保証された接続されたUAVの最適な送信電力を求める。
2番目のサブプロブレムはグリッド内のUAVの最適な位置を見つけることを目的としており、最後のサブプロブレムは利用可能なUAV内のCNN層の最適な配置を見つける。
広範なシミュレーションを行い、我々のモデルが競合モデルを上回ることを示す2つのベースラインモデルと比較します。
関連論文リスト
- Diffusion-based Auction Mechanism for Efficient Resource Management in 6G-enabled Vehicular Metaverses [57.010829427434516]
6G対応のVehicular Metaversesでは、車両は物理的車両のデジタルレプリカとして機能するVT(Vine Twins)によって表現される。
VTタスクはリソース集約であり、高速処理のために地上基地局(BS)にオフロードする必要がある。
地上BSとUAV間の資源配分を最適化する学習型修正第2バイド(MSB)オークション機構を提案する。
論文 参考訳（メタデータ） (2024-11-01T04:34:54Z) - Federated Learning in UAV-Enhanced Networks: Joint Coverage and
Convergence Time Optimization [16.265792031520945]
フェデレートラーニング(FL)には、ローカルデータを転送することなく、共有モデルを協調的にトレーニングする複数のデバイスが含まれる。
FLは通信のオーバーヘッドを減らし、エネルギー資源の少ないUAV強化無線ネットワークにおいて有望な学習方法となる。
この可能性にもかかわらず、UAVに強化されたネットワークにFLを実装することは困難であり、カバー範囲を最大化する従来のUAV配置手法はFL遅延を増大させる。
論文 参考訳（メタデータ） (2023-08-31T17:50:54Z) - Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual
Antenna Arrays [55.736718475856726]
無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である
既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。
協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
論文 参考訳（メタデータ） (2023-08-03T02:49:50Z) - Integrated Sensing, Computation, and Communication for UAV-assisted
Federated Edge Learning [52.7230652428711]
フェデレーションエッジ学習(FEEL)は、エッジデバイスとサーバ間の定期的な通信を通じて、プライバシ保護モデルトレーニングを可能にする。
無人航空機(UAV)搭載エッジデバイスは、効率的なデータ収集における柔軟性と移動性のため、FEELにとって特に有利である。
論文 参考訳（メタデータ） (2023-06-05T16:01:33Z) - Deep Reinforcement Learning for Trajectory Path Planning and Distributed
Inference in Resource-Constrained UAV Swarms [6.649753747542209]
本研究の目的は,UAVSwarmにおける分散協調推論要求と経路計画のためのモデルの設計である。
定式化問題はNPハードであるため、最適解を見つけることは極めて複雑である。
我々は、広範囲なシミュレーションを行い、その結果を、我々のモデルが競合モデルより優れていることを示す最先端の研究と比較する。
論文 参考訳（メタデータ） (2022-12-21T17:16:42Z) - Efficient Real-Time Image Recognition Using Collaborative Swarm of UAVs
and Convolutional Networks [9.449650062296824]
本稿では,画像の分類を行うリソース制約付きUAV群に推論要求を分散する戦略を提案する。
画像の取得と最終的な決定の待ち時間を最小限に抑える最適化問題としてモデルを定式化する。
私たちは、利用可能なUAV間で最高のレイテンシを提供するレイヤ配置戦略を見つけるために、オンラインソリューション、すなわちDistInferenceを導入します。
論文 参考訳（メタデータ） (2021-07-09T19:47:02Z) - Low-Latency Federated Learning over Wireless Channels with Differential
Privacy [142.5983499872664]
フェデレートラーニング(FL)では、モデルトレーニングはクライアントに分散し、ローカルモデルは中央サーバによって集約される。
本稿では,各クライアントの差分プライバシ(DP)要件だけでなく,全体としてのトレーニング性能に制約された無線チャネル上でのFLトレーニング遅延を最小限に抑えることを目的とする。
論文 参考訳（メタデータ） (2021-06-20T13:51:18Z) - 3D UAV Trajectory and Data Collection Optimisation via Deep
Reinforcement Learning [75.78929539923749]
無人航空機(UAV)は現在、無線通信におけるネットワーク性能とカバレッジを高めるために配備され始めている。
UAV支援モノのインターネット(IoT)のための最適な資源配分方式を得ることは困難である
本稿では,UAVの最も短い飛行経路に依存しつつ,IoTデバイスから収集したデータ量を最大化しながら,新しいUAV支援IoTシステムを設計する。
論文 参考訳（メタデータ） (2021-06-06T14:08:41Z) - Distributed CNN Inference on Resource-Constrained UAVs for Surveillance
Systems: Design and Optimization [43.9909417652678]
無人航空機(UAV)は、広い地域をカバーし、困難で危険な目標地域にアクセスする能力のため、ここ数年で大きな関心を集めている。
コンピュータビジョンと機械学習の進歩により、UAVは幅広いソリューションやアプリケーションに採用されている。
ディープニューラルネットワーク(DNN)は、それらがオンボードで実行されるのを防ぐ、より深く複雑なモデルに向かって進んでいる。
論文 参考訳（メタデータ） (2021-05-23T20:19:43Z) - Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep
Reinforcement Learning Approach [88.45509934702913]
我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。
我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。
提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
論文 参考訳（メタデータ） (2020-02-21T07:29:15Z)
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。