論文の概要: Techniques for Improving the Energy Efficiency of Mobile Apps: A
Taxonomy and Systematic Literature Review
- arxiv url: http://arxiv.org/abs/2308.08292v1
- Date: Wed, 16 Aug 2023 11:37:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 14:10:32.290445
- Title: Techniques for Improving the Energy Efficiency of Mobile Apps: A
Taxonomy and Systematic Literature Review
- Title（参考訳）: モバイルアプリケーションのエネルギ効率向上のための技術--分類学と体系的文献レビュー
- Authors: Stefan Huber, Tobias Lorey, Michael Felderer
- Abstract要約: 我々は、開発者がモバイルアプリのエネルギー効率を向上できる技術に関する情報を集めるために、体系的な文献レビューを実施している。
モバイルアプリのエネルギー効率を向上させる手法の分類法を提案する。
- 参考スコア（独自算出の注目度）: 6.040452803295326
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Building energy efficient software is an increasingly important task for
mobile developers. However, a cumulative body of knowledge of techniques that
support this goal does not exist. We conduct a systematic literature review to
gather information on existing techniques that allow developers to increase
energy efficiency in mobile apps. Based on a synthesis of the 91 included
primary studies, we propose a taxonomy of techniques for improving the energy
efficiency in mobile apps. The taxonomy includes seven main categories of
techniques and serves as a collection of available methods for developers and
as a reference guide for software testers when performing energy efficiency
testing by the means of benchmark tests.
- Abstract（参考訳）: エネルギー効率の良いソフトウェアを構築することは、モバイル開発者にとってますます重要なタスクである。
しかし、この目標を支える技術に関する累積的な知識は存在していない。
我々は,モバイルアプリのエネルギー効率を向上させる既存の技術に関する情報を集めるために,体系的な文献レビューを実施している。
91の一次研究を合成し,モバイルアプリケーションにおけるエネルギー効率向上のための手法の分類法を提案する。
分類学には7つの主要なテクニックカテゴリが含まれており、開発者が利用可能なメソッドのコレクションとして機能し、ベンチマークテストによってエネルギー効率テストを行う際のソフトウェアテスターのリファレンスガイドとして機能する。
関連論文リスト
- Foundations and Recent Trends in Multimodal Mobile Agents: A Survey [57.677161006710065]
モバイルエージェントは、複雑で動的なモバイル環境におけるタスクの自動化に不可欠である。
近年の進歩により、リアルタイム適応性とマルチモーダルインタラクションが向上している。
これらの進歩は、プロンプトベースの方法とトレーニングベースの方法の2つの主要なアプローチに分類する。
論文 参考訳（メタデータ） (2024-11-04T11:50:58Z) - A Survey of Small Language Models [104.80308007044634]
小言語モデル (SLM) は, 計算資源の最小化による言語タスクの効率化と性能の向上により, ますます重要になってきている。
本稿では,SLMのアーキテクチャ,トレーニング技術,モデル圧縮技術に着目した総合的な調査を行う。
論文 参考訳（メタデータ） (2024-10-25T23:52:28Z) - Large Language Models for Energy-Efficient Code: Emerging Results and Future Directions [2.848398051763324]
エネルギー効率向上のための符号として,大規模言語モデル (LLM) の新たな適用法を提案する。
我々はプロトタイプを記述し評価し、我々のシステムでは、コンパイラの最適化だけで最大2倍のエネルギー効率を向上できる6つの小さなプログラムを探索した。
論文 参考訳（メタデータ） (2024-10-11T20:35:40Z) - Hardware Acceleration of LLMs: A comprehensive survey and comparison [0.0]
大規模言語モデル(LLM)は、自然言語処理タスクの強力なツールとして登場し、人間のようなテキストを理解して生成する能力によって、フィールドに革命をもたらした。
本稿では,ハードウェアアクセラレーションを用いた大規模言語モデルのためのトランスフォーマーネットワークの高速化に向けた,いくつかの研究成果を包括的に調査する。
論文 参考訳（メタデータ） (2024-09-05T09:43:25Z) - Estimating the Energy Footprint of Software Systems: a Primer [56.200335252600354]
ソフトウェアシステムのエネルギーフットプリントの定量化は、最も基本的な活動の1つです。
この文書は、この分野で研究を始めたい研究者の出発点となることを目的としている。
論文 参考訳（メタデータ） (2024-07-16T11:21:30Z) - A Metaheuristic-based Machine Learning Approach for Energy Prediction in
Mobile App Development [1.933681537640272]
本稿では,モバイルアプリケーション開発におけるエネルギー予測のために,メタヒューリスティックなアプローチによって強化されたヒストグラムに基づく勾配促進分類装置(HGBC)を提案する。
以上の結果から,線形集団サイズ (L-SHADE) の差分進化に対する成功史に基づくパラメータ適応が最適であることがわかった。
論文 参考訳（メタデータ） (2023-06-16T16:01:50Z) - On the Identification of the Energy related Issues from the App Reviews [0.0]
アプリのエネルギ非効率性は、App Storeで広く議論されているアプリユーザーにとって大きな問題となる可能性がある。
これまでの研究では、エネルギー関連アプリのレビューを調査して、エネルギー関連ユーザのフィードバックの主要な原因やカテゴリを特定することが重要であった。
本研究では,エネルギー関連ユーザのフィードバックを自動的に抽出する様々な手法を実証的に研究する。
論文 参考訳（メタデータ） (2023-04-22T01:54:30Z) - Machine learning applications for electricity market agent-based models:
A systematic literature review [68.8204255655161]
エージェントベースのシミュレーションは、電気市場のダイナミクスをよりよく理解するために使用される。
エージェントベースのモデルは、機械学習と人工知能を統合する機会を提供する。
我々は、エージェントベースの電気市場モデルに適用された機械学習に焦点を当てた2016年から2021年の間に発行された55の論文をレビューする。
論文 参考訳（メタデータ） (2022-06-05T14:52:26Z) - CitationIE: Leveraging the Citation Graph for Scientific Information
Extraction [89.33938657493765]
引用論文と引用論文の参照リンクの引用グラフを使用する。
最先端技術に対するエンド・ツー・エンドの情報抽出の大幅な改善を観察する。
論文 参考訳（メタデータ） (2021-06-03T03:00:12Z) - ReviewViz: Assisting Developers Perform Empirical Study on Energy
Consumption Related Reviews for Mobile Applications [2.1320960069210484]
本研究では,機械学習アルゴリズムとテキスト機能を用いて,エネルギー消費別レビューを自動的に識別する。
開発者がレビューで議論される主要なトピックを抽出するのを助けるために、アートトピックモデリングアルゴリズムの2つの状態が適用される。
Webブラウザベースのインタラクティブな視覚化ツールの開発は、アプリ開発者に洞察を与える目的で開発された新しいフレームワークである。
論文 参考訳（メタデータ） (2020-09-13T15:47:46Z) - Towards the Systematic Reporting of the Energy and Carbon Footprints of
Machine Learning [68.37641996188133]
我々は、リアルタイムエネルギー消費と二酸化炭素排出量を追跡するための枠組みを導入する。
エネルギー効率のよい強化学習アルゴリズムのためのリーダーボードを作成します。
炭素排出量削減とエネルギー消費削減のための戦略を提案する。
論文 参考訳（メタデータ） (2020-01-31T05:12:59Z)
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。