論文の概要: Intelligence-Endogenous Management Platform for Computing and Network
Convergence
- arxiv url: http://arxiv.org/abs/2308.03450v1
- Date: Mon, 7 Aug 2023 10:12:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-08 14:13:55.002920
- Title: Intelligence-Endogenous Management Platform for Computing and Network
Convergence
- Title(参考訳): コンピュータとネットワークの収束のためのインテリジェンス-環境管理プラットフォーム
- Authors: Zicong Hong, Xiaoyu Qiu, Jian Lin, Wuhui Chen, Yue Yu, Hui Wang, Song
Guo, Wen Gao
- Abstract要約: 我々は,人工知能技術に基づくemphCNC脳という,CNCのためのインテリジェンス内在的管理プラットフォームの概念を提示する。
これは、CNCにおける供給と需要を、知覚、スケジューリング、適応、ガバナンスの4つの重要な構成要素を通して、高い不均一性と効率的にマッチングすることを目的としている。
2つのオープンソースおよび人気のあるフレームワークと、Microsoft Azureが提供する実世界のビジネスデータセットを統合するCNCテストベッドで評価されている。
- 参考スコア(独自算出の注目度): 33.45559800534038
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Massive emerging applications are driving demand for the ubiquitous
deployment of computing power today. This trend not only spurs the recent
popularity of the \emph{Computing and Network Convergence} (CNC), but also
introduces an urgent need for the intelligentization of a management platform
to coordinate changing resources and tasks in the CNC. Therefore, in this
article, we present the concept of an intelligence-endogenous management
platform for CNCs called \emph{CNC brain} based on artificial intelligence
technologies. It aims at efficiently and automatically matching the supply and
demand with high heterogeneity in a CNC via four key building blocks, i.e.,
perception, scheduling, adaptation, and governance, throughout the CNC's life
cycle. Their functionalities, goals, and challenges are presented. To examine
the effectiveness of the proposed concept and framework, we also implement a
prototype for the CNC brain based on a deep reinforcement learning technology.
Also, it is evaluated on a CNC testbed that integrates two open-source and
popular frameworks (OpenFaas and Kubernetes) and a real-world business dataset
provided by Microsoft Azure. The evaluation results prove the proposed method's
effectiveness in terms of resource utilization and performance. Finally, we
highlight the future research directions of the CNC brain.
- Abstract(参考訳): 大規模な新興アプリケーションが、今日ではユビキタスなコンピューティングパワーの需要を押し上げている。
この傾向は、近年のemph{Computing and Network Convergence} (CNC) の人気を刺激するだけでなく、CNCにおけるリソースやタスクの変化を調整するための管理プラットフォームのインテリジェント化を急務に必要としている。
そこで本稿では,人工知能技術に基づくCNCのためのインテリジェンス内在的管理プラットフォームである「emph{CNC Brain"」について紹介する。
CNCのライフサイクルを通じて、4つの重要なビルディングブロック、すなわち知覚、スケジューリング、適応、ガバナンスを通じて、CNCの供給と需要と高い不均一性を効率よく自動的にマッチングすることを目的としている。
彼らの機能、目標、課題が提示されます。
提案する概念と枠組みの有効性を検討するために,深層強化学習技術に基づくcnc脳のプロトタイプを実装した。
また、オープンソースの2つのフレームワーク(OpenFaasとKubernetes)とMicrosoft Azureが提供する実世界のビジネスデータセットを統合するCNCテストベッドで評価されている。
評価結果は,資源利用と性能の観点から提案手法の有効性を実証した。
最後に,CNC脳研究の今後の方向性について述べる。
関連論文リスト
- Towards a Dynamic Future with Adaptable Computing and Network
Convergence (ACNC) [17.1717328514007]
本稿では,コンピュータとネットワークリソースの協調オーケストレーションを目的とした自律機械学習(ML)支援機構として,適応型CNC(ACNC)の概念を提案する。
ACNCは、状態認識とコンテキスト検出の2つの主要な機能を含んでいる。
継続的学習が採用され、システムの状態を専用のMLエージェントによって制御されたコンテキストに分類することで、効率的に運用することができる。
論文 参考訳(メタデータ) (2024-03-12T12:03:16Z) - Machine Learning Insides OptVerse AI Solver: Design Principles and
Applications [74.67495900436728]
本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。
本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。
本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
論文 参考訳(メタデータ) (2024-01-11T15:02:15Z) - CNC-Net: Self-Supervised Learning for CNC Machining Operations [49.55380246503274]
我々は、CNCマシンをシミュレートするためのディープニューラルネットワーク(DNN)の使用を表すCNC-Netという先駆的なアプローチを導入する。
本手法は,手動CNCプログラミングの高コストに代えて,コスト効率のよい代替手段を提供することにより,製造における革新的自動化を実現する可能性を秘めている。
論文 参考訳(メタデータ) (2023-12-15T16:31:17Z) - Reinforcement Learning in Computing and Network Convergence
Orchestration [0.0]
CNC(Computer and Network Convergence)の概念が提案され、広く注目を集めている。
最初の試みである強化学習(RL)を用いたCNCオーケストレーション手法を設計し、コンピュータリソースやネットワークリソースを柔軟に割り当て、スケジュールすることができる。
実験により, 提案手法は, グレーディ法, ランダム選択法, 平衡資源法よりも高い利益率と低レイテンシを実現することができることがわかった。
論文 参考訳(メタデータ) (2022-09-22T03:10:45Z) - Cost-effective Machine Learning Inference Offload for Edge Computing [0.3149883354098941]
本稿では,インストール・ベース・オンプレミス(edge)計算資源を活用した新しいオフロード機構を提案する。
提案するメカニズムにより、エッジデバイスは、リモートクラウドを使用する代わりに、重い計算集約的なワークロードをエッジノードにオフロードすることができる。
論文 参考訳(メタデータ) (2020-12-07T21:11:02Z) - Incentive Mechanism Design for Resource Sharing in Collaborative Edge
Learning [106.51930957941433]
5GとBeyondネットワークでは、人工知能のアプリケーションがますます普及すると予想されている。
これは、現在のクラウド中心のモデルトレーニングアプローチから、エッジラーニングとして知られるエッジコンピューティングベースの協調学習スキームへのパラダイムシフトを必要とする。
論文 参考訳(メタデータ) (2020-05-31T12:45:06Z) - Spiking Neural Networks Hardware Implementations and Challenges: a
Survey [53.429871539789445]
スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。
スパイキングニューラルネットワークのハードウェア実装の現状について述べる。
本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
論文 参考訳(メタデータ) (2020-05-04T13:24:00Z) - Multi-agent Reinforcement Learning for Resource Allocation in IoT
networks with Edge Computing [16.129649374251088]
エンドユーザーが計算をオフロードするのは、スペクトルとリソースに対する大きな要求のためである。
本稿では,IoTエッジコンピューティングネットワークにおけるリソース割り当てを伴うオフロード機構をゲームとして定式化することによって検討する。
論文 参考訳(メタデータ) (2020-04-05T20:59:20Z) - Deep Learning for Ultra-Reliable and Low-Latency Communications in 6G
Networks [84.2155885234293]
まず,データ駆動型教師付き深層学習と深部強化学習をURLLCに適用する方法を概説する。
このようなオープンな問題に対処するために、デバイスインテリジェンス、エッジインテリジェンス、およびURLLCのためのクラウドインテリジェンスを可能にするマルチレベルアーキテクチャを開発した。
論文 参考訳(メタデータ) (2020-02-22T14:38:11Z) - Resource-Efficient Neural Networks for Embedded Systems [23.532396005466627]
本稿では,機械学習技術の現状について概説する。
私たちは、過去10年で主要な機械学習モデルであるディープニューラルネットワーク(DNN)に基づく、リソース効率の高い推論に焦点を当てています。
我々は、圧縮技術を用いて、よく知られたベンチマークデータセットの実験で議論を裏付ける。
論文 参考訳(メタデータ) (2020-01-07T14:17:09Z)
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。