論文の概要: Harnessing the Computing Continuum across Personalized Healthcare, Maintenance and Inspection, and Farming 4.0
- arxiv url: http://arxiv.org/abs/2403.14650v1
- Date: Fri, 23 Feb 2024 09:20:34 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-01 03:52:54.827519
- Title: Harnessing the Computing Continuum across Personalized Healthcare, Maintenance and Inspection, and Farming 4.0
- Title(参考訳): パーソナライズされた医療・保守・検査・農業4.0におけるコンピューティング継続のハーネス
- Authors: Fatemeh Baghdadi, Davide Cirillo, Daniele Lezzi, Francesc Lordan, Fernando Vazquez, Eugenio Lomurno, Alberto Archetti, Danilo Ardagna, Matteo Matteucci,
- Abstract要約: AI-SPRINTプロジェクトは、コンピュータ連続体全体にわたるAIアプリケーションの開発と実装に焦点を当てている。
本稿では、パーソナライズされたヘルスケア、メンテナンスと検査、ファーミング4.0の応用について詳細に検討する。
提案するツールチェーンが、さまざまな課題に効果的に対処し、プロセスを洗練し、その関連性と複数のドメインへの影響について議論する。
- 参考スコア(独自算出の注目度): 37.03658877613283
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The AI-SPRINT project, launched in 2021 and funded by the European Commission, focuses on the development and implementation of AI applications across the computing continuum. This continuum ensures the coherent integration of computational resources and services from centralized data centers to edge devices, facilitating efficient and adaptive computation and application delivery. AI-SPRINT has achieved significant scientific advances, including streamlined processes, improved efficiency, and the ability to operate in real time, as evidenced by three practical use cases. This paper provides an in-depth examination of these applications -- Personalized Healthcare, Maintenance and Inspection, and Farming 4.0 -- highlighting their practical implementation and the objectives achieved with the integration of AI-SPRINT technologies. We analyze how the proposed toolchain effectively addresses a range of challenges and refines processes, discussing its relevance and impact in multiple domains. After a comprehensive overview of the main AI-SPRINT tools used in these scenarios, the paper summarizes of the findings and key lessons learned.
- Abstract(参考訳): 2021年に開始され、欧州委員会によって資金提供されたAI-SPRINTプロジェクトは、コンピュータ連続体におけるAIアプリケーションの開発と実装に焦点を当てている。
この継続により、中央集中型データセンタからエッジデバイスへの計算資源とサービスのコヒーレントな統合が保証され、効率的で適応的な計算とアプリケーション配信が容易になる。
AI-SPRINTは、3つの実用的なユースケースで証明されているように、合理化プロセス、効率の向上、リアルタイムに運用する能力など、科学的に重要な進歩を遂げている。
本稿では、これらの応用 -- パーソナライズされたヘルスケア、メンテナンス、検査、Farming 4.0 -- を詳細に検討し、その実践とAI-SPRINT技術の統合による目的を明らかにする。
提案するツールチェーンが、さまざまな課題に効果的に対処し、プロセスを洗練し、その関連性と複数のドメインへの影響について議論する。
これらのシナリオで使用される主要なAI-SPRINTツールの概要を概観した後、論文では、得られた発見と重要な教訓について要約する。
関連論文リスト
- Revolutionizing System Reliability: The Role of AI in Predictive Maintenance Strategies [0.0]
この研究は、AI、特に機械学習とニューラルネットワークが、予測メンテナンス戦略を強化するためにどのように利用されているかを探求している。
この記事では、AIによる予測メンテナンスの実装の有効性と課題について、洞察を提供する。
論文 参考訳(メタデータ) (2024-04-20T19:31:05Z) - Automated Extraction and Maturity Analysis of Open Source Clinical Informatics Repositories from Scientific Literature [0.0]
本研究では、arXivにインデックスされた学術論文からGitHubリポジトリURLを体系的に抽出することにより、ギャップを埋める自動化手法を提案する。
当社のアプローチでは、関連論文に対するarXiv APIのクエリ、抽出したGitHub URLのクリーニング、GitHub APIによる包括的なリポジトリ情報の取得、スター、フォーク、オープンイシュー、コントリビュータなどの定義されたメトリクスに基づいてリポジトリの成熟度を分析しています。
論文 参考訳(メタデータ) (2024-03-20T17:06:51Z) - The Foundations of Computational Management: A Systematic Approach to
Task Automation for the Integration of Artificial Intelligence into Existing
Workflows [55.2480439325792]
本稿では,タスク自動化の体系的アプローチである計算管理を紹介する。
この記事では、ワークフロー内でAIを実装するプロセスを開始するための、ステップバイステップの手順を3つ紹介する。
論文 参考訳(メタデータ) (2024-02-07T01:45:14Z) - PerfDetectiveAI -- Performance Gap Analysis and Recommendation in
Software Applications [0.0]
本稿では,ソフトウェアアプリケーションにおける性能ギャップ分析と提案のための概念的フレームワークPerfDetectiveAIを紹介する。
現代の機械学習(ML)と人工知能(AI)技術は、PerfDetectiveAIでパフォーマンス測定を監視し、ソフトウェアアプリケーションにおけるパフォーマンス不足の領域を特定するために使用されている。
論文 参考訳(メタデータ) (2023-06-11T02:53:04Z) - Integrated Sensing-Communication-Computation for Edge Artificial Intelligence [41.611639821262415]
統合センシング通信計算(I SCC)は,資源利用の向上に最重要課題である。
本稿では、エッジ学習タスクとエッジAI推論タスクをアプリケーション層と物理層の両方で行うための各種のISCCスキームについて述べる。
論文 参考訳(メタデータ) (2023-06-01T21:35:20Z) - AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities
and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。
我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。
主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文 参考訳(メタデータ) (2023-04-10T15:38:12Z) - Artificial Intelligence in Governance, Risk and Compliance: Results of a study on potentials for the application of artificial intelligence (AI) in governance, risk and compliance (GRC) [0.0]
GRC(Governance, Risk and Compliance)とは、ガバナンスの統合的なアプローチである。
ガバナンス機能は相互にリンクされ、互いに分離されない。
人工知能は、非構造化データセットの処理と分析にGRCで使用されている。
論文 参考訳(メタデータ) (2022-12-07T12:36:10Z) - 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) - Towards AIOps in Edge Computing Environments [60.27785717687999]
本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。
高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
論文 参考訳(メタデータ) (2021-02-12T09:33:00Z) - Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。
AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
論文 参考訳(メタデータ) (2021-01-15T10:43:10Z)
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。