論文の概要: Energy Patterns for Web: An Exploratory Study

• arxiv url: http://arxiv.org/abs/2401.06482v1
• Date: Fri, 12 Jan 2024 10:03:43 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-15 19:42:11.915740
• Title: Energy Patterns for Web: An Exploratory Study
• Title（参考訳）: Webのためのエネルギーパターン:探索的研究
• Authors: Pooja Rani, Jonas Zellweger, Veronika Kousadianos, Luis Cruz, Timo Kehrer, Alberto Bacchelli
• Abstract要約: 我々は、エネルギー消費の主源であるWebドメインに焦点を当てる。 Web エネルギーパターンがエネルギー消費に与える影響を定量化するために,我々は自動パイプラインを構築した。
• 参考スコア（独自算出の注目度）: 11.986390881263718
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: As the energy footprint generated by software is increasing at an alarming rate, understanding how to develop energy-efficient applications has become a necessity. Previous work has introduced catalogs of coding practices, also known as energy patterns. These patterns are yet limited to Mobile or third-party libraries. In this study, we focus on the Web domain--a main source of energy consumption. First, we investigated whether and how Mobile energy patterns could be ported to this domain and found that 20 patterns could be ported. Then, we interviewed six expert web developers from different companies to challenge the ported patterns. Most developers expressed concerns for antipatterns, specifically with functional antipatterns, and were able to formulate guidelines to locate these patterns in the source code. Finally, to quantify the effect of Web energy patterns on energy consumption, we set up an automated pipeline to evaluate two ported patterns: 'Dynamic Retry Delay' (DRD) and 'Open Only When Necessary' (OOWN). With this, we found no evidence that the DRD pattern consumes less energy than its antipattern, while the opposite is true for OOWN. Data and Material: https://doi.org/10.5281/zenodo.8404487
• Abstract（参考訳）: ソフトウェアが生み出すエネルギーフットプリントが警戒速度で増大しているため、エネルギー効率の良いアプリケーションを開発する方法を理解する必要がある。 以前の研究は、エネルギーパターンとしても知られるコーディングプラクティスのカタログを導入した。 これらのパターンはモバイルやサードパーティのライブラリに限られている。 本研究では,エネルギー消費の主な源である web ドメインに注目した。 まず,モバイルエネルギーパターンをこの領域に移植できるかどうかを検討したところ,20パターンを移植できることがわかった。 そして、さまざまな企業のエキスパートWeb開発者6人にインタビューして、移植されたパターンに挑戦しました。 ほとんどの開発者は、特に機能的なアンチパターンに関する懸念を表明し、ソースコードにこれらのパターンを見つけるためのガイドラインを策定することができた。 最後に,Web エネルギーパターンがエネルギー消費に与える影響を定量化するために,'Dynamic Retry Delay' (DRD) と 'Open Only When Necessary' (OOWN) の2つの移植パターンを評価する自動パイプラインを構築した。 これにより、DRDパターンがアンチパターンよりも少ないエネルギーを消費することを示す証拠は得られず、OOWNでは逆が成り立つ。 データと素材: https://doi.org/10.5281/zenodo.8404487

関連論文リスト

• Fine-Tuning and Deploying Large Language Models Over Edges: Issues and Approaches [64.42735183056062]
  大規模言語モデル(LLM)は、特殊モデルから多目的基礎モデルへと移行してきた。 LLMは印象的なゼロショット能力を示すが、ローカルデータセットとデプロイメントのための重要なリソースを微調整する必要がある。
  論文  参考訳（メタデータ） (2024-08-20T09:42:17Z)
• Multimodal Web Navigation with Instruction-Finetuned Foundation Models [99.14209521903854]
  視覚言語基礎モデルを用いたWebエージェントのためのデータ駆動オフライントレーニングについて検討する。 本稿では,WebページのスクリーンショットとHTMLページの両方を観察する命令追従型マルチモーダルエージェントWebGUMを提案する。 このレシピは,マルチモーダル認識,HTML理解,マルチステップ推論といったエージェントの能力を向上させることを実証的に実証する。
  論文  参考訳（メタデータ） (2023-05-19T17:44:34Z)
• Energy-guided Entropic Neural Optimal Transport [100.20553612296024]
  エネルギーベースのモデル(EBM)は、機械学習コミュニティで数十年にわたって知られている。 EBMとEntropy-regularized OTのギャップを埋める。 実際に,玩具2Dおよび画像領域における適用性を検証する。
  論文  参考訳（メタデータ） (2023-04-12T18:20:58Z)
• Design Patterns for AI-based Systems: A Multivocal Literature Review and Pattern Repository [6.184279908456794]
  本稿では,AIに基づくシステムの設計パターンについて概説する。 AIベースのシステムのための新しいパターンが登場しつつあるが、既存のパターンもこの新しいコンテキストに適応している。 我々の結果は、研究者がフォローアップ研究の基盤として、そして実践者がAIベースのシステムの設計を伝えるための関連するパターンを発見するために利用することができる。
  論文  参考訳（メタデータ） (2023-03-23T10:57:11Z)
• Energy Transformer [64.22957136952725]
  我々の研究は、機械学習における有望な3つのパラダイム、すなわち注意機構、エネルギーベースモデル、連想記憶の側面を組み合わせる。 本稿では,エネルギー変換器(ET,Energy Transformer)と呼ばれる新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-02-14T18:51:22Z)
• Energy Consumption of Neural Networks on NVIDIA Edge Boards: an Empirical Model [6.809944967863927]
  近年、レイテンシの低減とデータプライバシの保護のために、ディープラーニング推論タスクの実行を、ユーザに近いネットワークのエッジにシフトする傾向があります。 本研究では,現代のエッジノードにおける推論タスクのエネルギ消費をプロファイリングすることを目的とする。 そこで我々は, 検討ボード上である推論タスクのエネルギー消費を推定できる, 単純で実用的なモデルを構築した。
  論文  参考訳（メタデータ） (2022-10-04T14:12:59Z)
• A Transistor Operations Model for Deep Learning Energy Consumption Scaling [14.856688747814912]
  深層学習(DL)は、幅広い産業の自動化を変革し、社会のユビキティを高めている。 DLモデルの複雑さの増大とその普及により、エネルギー消費は3～4ヶ月ごとに倍増した。 現在のFLOPとMACベースの手法は線形演算のみを考慮している。 DLモデル構成によるエネルギー消費のスケーリングにおける活性化関数とニューラルネットワーク構造の役割を明らかにするため,ボトムレベルトランジスタ操作(TOs)法を開発した。
  論文  参考訳（メタデータ） (2022-05-30T12:42:33Z)
• Learning Discrete Energy-based Models via Auxiliary-variable Local Exploration [130.89746032163106]
  離散構造データに対する条件付きおよび非条件付きEMMを学習するための新しいアルゴリズムであるALOEを提案する。 エネルギー関数とサンプリング器は、新しい変分型電力繰り返しにより効率よく訓練できることを示す。 本稿では、ソフトウェアテストのためのエネルギーモデルガイド付ファジィザについて、libfuzzerのようなよく設計されたファジィエンジンに匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2020-11-10T19:31:29Z)
• REST: Robust and Efficient Neural Networks for Sleep Monitoring in the Wild [62.36144064259933]
  ニューラルネットワークの逆トレーニングとLipschitz定数の制御を通じて、両問題に同時に対処する新しい方法であるRESTを提案する。 私たちは、RESTがノイズの存在下で、オリジナルのフルサイズのモデルを大幅に上回る、ロバストで効率的なモデルを生成することを実証しています。 これらのモデルをスマートフォン上のAndroidアプリケーションにデプロイすることにより、RESTによってモデルが最大17倍のエネルギー削減と9倍高速な推論を達成することができることを定量的に観察する。
  論文  参考訳（メタデータ） (2020-01-29T17:23:16Z)

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。