論文の概要: Multilayer Environment and Toolchain for Holistic NetwOrk Design and Analysis
- arxiv url: http://arxiv.org/abs/2310.16190v2
- Date: Thu, 26 Oct 2023 09:02:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-25 13:55:39.165117
- Title: Multilayer Environment and Toolchain for Holistic NetwOrk Design and Analysis
- Title（参考訳）: ソリスティックNetwOrk設計と解析のための多層環境とツールチェーン
- Authors: Filip Rezabek, Kilian Glas, Richard von Seck, Achraf Aroua, Tizian Leonhardt, Georg Carle,
- Abstract要約: 本研究は分散システム評価の要件を詳細に分析する。
我々のアプローチは、より広い範囲の分散システムのセットアップと評価に重点を置いています。
さまざまなユースケースにまたがって価値ある洞察を提供するためのフレームワークの機能を示します。
- 参考スコア（独自算出の注目度）: 2.7763199324745966
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The recent developments and research in distributed ledger technologies and blockchain have contributed to the increasing adoption of distributed systems. To collect relevant insights into systems' behavior, we observe many evaluation frameworks focusing mainly on the system under test throughput. However, these frameworks often need more comprehensiveness and generality, particularly in adopting a distributed applications' cross-layer approach. This work analyses in detail the requirements for distributed systems assessment. We summarize these findings into a structured methodology and experimentation framework called METHODA. Our approach emphasizes setting up and assessing a broader spectrum of distributed systems and addresses a notable research gap. We showcase the effectiveness of the framework by evaluating four distinct systems and their interaction, leveraging a diverse set of eight carefully selected metrics and 12 essential parameters. Through experimentation and analysis we demonstrate the framework's capabilities to provide valuable insights across various use cases. For instance, we identify that a combination of Trusted Execution Environments with threshold signature scheme FROST introduces minimal overhead on the performance with average latency around \SI{40}{\ms}. We showcase an emulation of realistic systems behavior, e.g., Maximal Extractable Value is possible and could be used to further model such dynamics. The METHODA framework enables a deeper understanding of distributed systems and is a powerful tool for researchers and practitioners navigating the complex landscape of modern computing infrastructures.
- Abstract（参考訳）: 分散台帳技術とブロックチェーンの最近の開発と研究は、分散システムの採用の増加に寄与している。
システムの振る舞いに関する関連する知見を収集するため,テストスループットに基づくシステムを中心に,多くの評価フレームワークを観察する。
しかしながら、これらのフレームワークは、特に分散アプリケーションの層間アプローチを採用する際に、より包括性と汎用性を必要とすることが多い。
本研究は分散システム評価の要件を詳細に分析する。
我々はこれらの知見を, MethodA と呼ばれる構造化された方法論と実験フレームワークにまとめる。
当社のアプローチでは,分散システムの広い範囲のセットアップと評価を重視し,注目すべき研究ギャップに対処する。
4つの異なるシステムとその相互作用を評価し、8つの慎重に選択されたメトリクスと12の必須パラメータの多様なセットを活用することにより、フレームワークの有効性を実証する。
実験と分析を通じて、さまざまなユースケースにまたがって価値ある洞察を提供するフレームワークの機能を示します。
例えば,Trusted Execution Environmentsとしきい値シグネチャスキームFROSTの組み合わせは,SI{40}{\ms} あたりの平均遅延を最小限に抑える。
本稿では,現実的なシステム行動のエミュレーションを紹介する。例えば,最大抽出可能な値が可能であり,そのようなダイナミクスをさらにモデル化するために使用できる。
METHODAフレームワークは分散システムのより深い理解を可能にし、現代のコンピューティングインフラの複雑な景観をナビゲートする研究者や実践者にとって強力なツールである。
関連論文リスト
- Dissecting Out-of-Distribution Detection and Open-Set Recognition: A Critical Analysis of Methods and Benchmarks [17.520137576423593]
我々は,コミュニティ内の2つの大きなサブフィールドの総合的なビュー – アウト・オブ・ディストリビューション(OOD)検出とオープンセット認識(OSR) – を提供することを目指している。
我々は,OOD検出における最先端手法とOSR設定との厳密な相互評価を行い,それらの手法の性能の強い相関関係を同定する。
我々は,OOD検出とOSRによって取り組まれている問題を解消する,より大規模なベンチマーク設定を提案する。
論文 参考訳（メタデータ） (2024-08-29T17:55:07Z) - On the Design of Ethereum Data Availability Sampling: A Comprehensive Simulation Study [0.0]
本稿では,データアベイラビリティサンプリング(DAS)と分散システム内のシャーディング機構をシミュレーションに基づく解析により詳細に調査する。
ブロックチェーン技術と分散ネットワークにおける重要な概念であるDASは、その複雑さを解明し、システムパフォーマンスへの影響を評価するために、徹底的に調査されている。
シミュレーション環境で一連の実験を行い、理論的な定式化を検証し、DASパラメータの相互作用を識別する。
論文 参考訳（メタデータ） (2024-07-25T14:47:41Z) - A Distributed Inference System for Detecting Task-wise Single Trial
Event-Related Potential in Stream of Satellite Images [24.744982210035964]
本稿では,衛星画像のストリーム中のタスクワイズ単眼ERPを検出するための分散推論システムを提案する。
本システムでは,各タスクに最適化された複数のモデルを用いて,画像遷移時間と目標設定時間にまたがる性能の向上を実現している。
論文 参考訳（メタデータ） (2023-11-10T08:12:14Z) - Diffusion-based Visual Counterfactual Explanations -- Towards Systematic
Quantitative Evaluation [64.0476282000118]
視覚的対物的説明法(VCE)の最新手法は、深い生成モデルの力を利用して、印象的な画質の高次元画像の新しい例を合成する。
評価手順が大きく異なり,個々の実例の視覚検査や小規模なユーザスタディなど,これらのVCE手法の性能を比較することは,現時点では困難である。
本稿では,VCE手法の体系的,定量的評価のためのフレームワークと,使用する指標の最小セットを提案する。
論文 参考訳（メタデータ） (2023-08-11T12:22:37Z) - Cheap and Deterministic Inference for Deep State-Space Models of
Interacting Dynamical Systems [38.23826389188657]
本稿では,基礎となる相互作用力学系をモデル化するために,グラフニューラルネットワークを用いた深部状態空間モデルを提案する。
予測分布はマルチモーダルであり、ガウス混合モデルの形をしており、ガウス成分のモーメントは決定論的モーメントマッチングルールによって計算できる。
我々のモーメントマッチングスキームはサンプルのない推論に利用でき、モンテカルロの代替案と比較してより効率的で安定した訓練がもたらされる。
論文 参考訳（メタデータ） (2023-05-02T20:30:23Z) - Better Understanding Differences in Attribution Methods via Systematic Evaluations [57.35035463793008]
モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。
本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。
これらの評価手法を用いて、広範囲のモデルにおいて広く用いられている属性手法の長所と短所について検討する。
論文 参考訳（メタデータ） (2023-03-21T14:24:58Z) - Towards Better Understanding Attribution Methods [77.1487219861185]
モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。
本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。
また,いくつかの属性法の性能を著しく向上する処理後平滑化ステップを提案する。
論文 参考訳（メタデータ） (2022-05-20T20:50:17Z) - Distributed intelligence on the Edge-to-Cloud Continuum: A systematic
literature review [62.997667081978825]
このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。
現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
論文 参考訳（メタデータ） (2022-04-29T08:06:05Z) - Efficient Model-Based Multi-Agent Mean-Field Reinforcement Learning [89.31889875864599]
マルチエージェントシステムにおける学習に有効なモデルベース強化学習アルゴリズムを提案する。
我々の理論的な貢献は、MFCのモデルベース強化学習における最初の一般的な後悔の限界である。
コア最適化問題の実用的なパラメトリゼーションを提供する。
論文 参考訳（メタデータ） (2021-07-08T18:01:02Z) - Abstracting data in distributed ledger systems for higher level
analytics and visualizations [1.5381930379183162]
本稿では,分散台帳システムの高レベル解析設計を可能にする抽象化層アーキテクチャを提案する。
既存のイニシアティブの分析と関連するユーザ要件の識別に基づいて、この作業は重要な洞察と仕様を確立することを目的としています。
論文 参考訳（メタデータ） (2021-02-19T19:34:12Z) - Edge-assisted Democratized Learning Towards Federated Analytics [67.44078999945722]
本稿では,エッジ支援型民主化学習機構であるEdge-DemLearnの階層的学習構造を示す。
また、Edge-DemLearnを柔軟なモデルトレーニングメカニズムとして検証し、リージョンに分散制御と集約の方法論を構築する。
論文 参考訳（メタデータ） (2020-12-01T11:46:03Z)
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。