論文の概要: A Scalable Clustered Architecture for Cyber-Physical Systems
- arxiv url: http://arxiv.org/abs/2407.14529v1
- Date: Mon, 8 Jul 2024 13:37:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-28 18:39:09.764803
- Title: A Scalable Clustered Architecture for Cyber-Physical Systems
- Title（参考訳）: サイバー物理システムのためのスケーラブルクラスタアーキテクチャ
- Authors: Bernardo Cabral,
- Abstract要約: サイバー物理システム(CPS)は相互接続システムの運用において重要な役割を担っている。
CPSは物理的資産やプロセスの検知、監視、制御が可能な物理およびソフトウェアコンポーネントを統合している。
このプロジェクトの開発は、CPSの課題に対するソリューションの設計と実装に貢献することを目的としている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Cyber-Physical Systems (CPS) play a vital role in the operation of intelligent interconnected systems. CPS integrates physical and software components capable of sensing, monitoring, and controlling physical assets and processes. However, developing distributed and scalable CPSs that efficiently handle large volumes of data while ensuring high performance and reliability remains a challenging task. Moreover, existing commercial solutions are often costly and not suitable for certain applications, limiting developers and researchers in experimenting and deploying CPSs on a larger scale. The development of this project aims to contribute to the design and implementation of a solution to the CPS challenges. To achieve this goal, the Edge4CPS system was developed. Edge4CPS system is an open source, distributed, multi-architecture solution that leverages Kubernetes for managing distributed edge computing clusters. It facilitates the deployment of applications across multiple computing nodes. It also offers services such as data pipeline, which includes data processing, classification, and visualization, as well as a middleware for messaging protocol translation.
- Abstract（参考訳）: サイバー物理システム(CPS)は、インテリジェントな相互接続システムの運用において重要な役割を担っている。
CPSは物理的資産やプロセスの検知、監視、制御が可能な物理およびソフトウェアコンポーネントを統合している。
しかし、大量のデータを効率的に処理し、高いパフォーマンスと信頼性を確保する分散型でスケーラブルなCPSの開発は、依然として難しい課題である。
さらに、既存の商用ソリューションはコストがかかり、特定のアプリケーションには適さないことが多い。
このプロジェクトの開発は、CPSの課題に対するソリューションの設計と実装に貢献することを目的としている。
この目的を達成するため、Edge4CPSシステムを開発した。
Edge4CPSシステムは、Kubernetesを活用して分散エッジコンピューティングクラスタを管理する、オープンソースの分散マルチアーキテクチャソリューションである。
複数のコンピューティングノードにまたがるアプリケーションのデプロイを容易にする。
また、データ処理、分類、可視化を含むデータパイプラインなどのサービスや、メッセージングプロトコル翻訳のミドルウェアも提供する。
関連論文リスト
- On-Premise AIOps Infrastructure for a Software Editor SME: An Experience
Report [0.3277163122167433]
AIOpsの概念は、ビッグデータと機械学習機能を使用した予測メンテナンスを強化するために登場した。
本稿では,オープンソースツールを活用したオンプレミスAIOpsソリューションの実現の可能性を検討する。
論文 参考訳（メタデータ） (2023-08-22T06:47:36Z) - PyTorch FSDP: Experiences on Scaling Fully Sharded Data Parallel [19.24542340170026]
PyTorch Fully Sharded Data Parallel (FSDP) を大規模モデルトレーニングのための業界グレードのソリューションとして紹介する。
FSDPはTFLOPSの観点で、ほぼ直線的なスケーラビリティを持つ、はるかに大きなモデルをサポートする。
論文 参考訳（メタデータ） (2023-04-21T23:52:27Z) - On the Elements of Datasets for Cyber Physical Systems Security [0.0]
我々は,サイバー物理システムを保護するために,AIアルゴリズムの性能を高める可能性のあるデータセットアーキテクチャを提案する。
既存のデータセットと提案アーキテクチャを比較して、現在の制限を特定し、テストベッドを用いたCPSデータセット生成の将来について論じる。
論文 参考訳（メタデータ） (2022-08-17T12:20:57Z) - Task-Oriented Sensing, Computation, and Communication Integration for
Multi-Device Edge AI [108.08079323459822]
本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。
推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
論文 参考訳（メタデータ） (2022-07-03T06:57:07Z) - Optimization for Infrastructure Cyber-Physical Systems [3.0646173923933446]
サイバー物理システム(サイバー物理的システム、CPS)は、意思決定(サイバー/コントロール)コンポーネントが物理的システムと密に統合され、リアルタイムの監視と制御を可能にするシステムである。
インフラCPSの例としては、電力網、配水網、輸送・物流網、暖房、建物内の空調(換気)などがある。
制御最適化のために、インフラCPSは通常、センサーのネットワークを備えた半自律サブシステムのシステムと見なされる。
論文 参考訳（メタデータ） (2022-05-31T00:58:54Z) - ACE: Towards Application-Centric Edge-Cloud Collaborative Intelligence [14.379967483688834]
機械学習に基づくインテリジェントなアプリケーションは、私たちの生活の多くの部分に影響を与えています。
クラウドで実行されている現在の実装は、これらの制約をすべて満たすことができない。
エッジクラウドコラボレーションインテリジェンス(Edge-Cloud Collaborative Intelligence)パラダイムは、このような問題に対処するための一般的なアプローチとなっている。
論文 参考訳（メタデータ） (2022-03-24T13:12:33Z) - An Adaptive Device-Edge Co-Inference Framework Based on Soft
Actor-Critic [72.35307086274912]
高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。
本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。
レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
論文 参考訳（メタデータ） (2022-01-09T09:31:50Z) - YMIR: A Rapid Data-centric Development Platform for Vision Applications [82.67319997259622]
本稿では,コンピュータビジョンアプリケーションの開発を迅速化するオープンソースプラットフォームについて紹介する。
このプラットフォームは、効率的なデータ開発を機械学習開発プロセスの中心に置く。
論文 参考訳（メタデータ） (2021-11-19T05:02:55Z) - 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) - Tailored Learning-Based Scheduling for Kubernetes-Oriented Edge-Cloud
System [54.588242387136376]
エッジクラウドシステムのための学習ベースのスケジューリングフレームワークkaisを紹介する。
まず,分散した要求ディスパッチに対応するために,協調型マルチエージェントアクタ-クリティックアルゴリズムを設計する。
次に,多種多様なシステムスケールと構造について,グラフニューラルネットワークを用いてシステム状態情報を埋め込む。
第3に、リクエストディスパッチとサービスオーケストレーションを調和させる2段階のスケジューリングメカニズムを採用します。
論文 参考訳（メタデータ） (2021-01-17T03:45:25Z) - A Privacy-Preserving Distributed Architecture for
Deep-Learning-as-a-Service [68.84245063902908]
本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。
クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
論文 参考訳（メタデータ） (2020-03-30T15:12:03Z)
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。