論文の概要: Spike Talk in Power Electronic Grids -- Leveraging Post Moore's Computing Laws

• arxiv url: http://arxiv.org/abs/2411.07654v1
• Date: Tue, 12 Nov 2024 09:06:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-13 13:19:04.078793
• Title: Spike Talk in Power Electronic Grids -- Leveraging Post Moore's Computing Laws
• Title（参考訳）: パワー電子グリッドのスパイクトーク-ムーア氏の計算法を活用
• Authors: Yubo Song, Subham Sahoo,
• Abstract要約: 本稿では、分散インフラストラクチャの観点から、Spike Talkの背後にある物理学を概観する。 Spike Talkは適応的でフレキシブルなコントロールとコーディネーションを可能にする。
• 参考スコア（独自算出の注目度）: 2.0825443226808327
• License:
• Abstract: Emerging distributed generation demands highly reliable and resilient coordinating control in microgrids. To improve on these aspects, spiking neural network is leveraged, as a grid-edge intelligence tool to establish a talkative infrastructure, Spike Talk, expediting coordination in next-generation microgrids without the need of communication at all. This paper unravels the physics behind Spike Talk from the perspective of its distributed infrastructure, which aims to address the Von Neumann Bottleneck. Relying on inferring information via power flows in tie lines, Spike Talk allows adaptive and flexible control and coordination itself, and features in synaptic plasticity facilitating online and local training functionality. Preliminary case studies are demonstrated with results, while more extensive validations are to be included as future scopes of work.
• Abstract（参考訳）: 新たな分散生成には、マイクログリッドの信頼性とレジリエントなコーディネート制御が要求される。 これらの側面を改善するために、スパイクニューラルネットワークはグリッドエッジインテリジェンスツールとして活用され、通信をまったく必要とせずに、次世代マイクログリッドでのコーディネーションを迅速化する、話し合うインフラであるSpike Talkを確立する。 本稿では、Von Neumann Bottleneckに対処することを目的とした分散インフラストラクチャの観点から、Spike Talkの背後にある物理学を概説する。 Spike Talkは、タイライン内の電力フローを介して情報を推測することで、適応的で柔軟な制御と調整を可能にすると同時に、オンラインおよびローカルなトレーニング機能を促進するシナプス可塑性の機能も備えている。 予備ケーススタディは結果とともに実証され、より広範な検証は今後の作業範囲として含められるだろう。

関連論文リスト

• Overlay-based Decentralized Federated Learning in Bandwidth-limited Networks [3.9162099309900835]
  分散連合学習(DFL)は、中央集権的調整なしに分散エージェントを直接学習することで、人工知能(AI)の展開を促進するという約束を持っている。 既存のソリューションの多くは、隣接するエージェントが基盤となる通信ネットワークに物理的に隣接しているという単純な仮定に基づいている。 我々は,帯域幅制限ネットワークにおける通信要求と通信スケジュールを,基礎となるネットワークからの明示的な協力を必要とせず,共同で設計する。
  論文  参考訳（メタデータ） (2024-08-08T18:05:11Z)
• On Noise Resiliency of Neuromorphic Inferential Communication in Microgrids [1.8529626486588364]
  本稿では, マイクログリッドにおけるニューロモルフィック推論通信の雑音抵抗性について, ケーススタディを通して検討する。 実際のシナリオにおける実装に関する洞察を提供する。
  論文  参考訳（メタデータ） (2024-07-25T17:27:50Z)
• Neuromorphic Event-Driven Semantic Communication in Microgrids [5.817656520396958]
  本稿では,各ノードにスパイキングニューラルネットワーク(SNN)を用いて通信機能を埋め込むニューロモルフィック学習を提案する。 スパイキング信号で作動する従来のニューロモルフィックセンサとは対照的に、イベント駆動選択的プロセスを用いてスパースデータを収集し、SNNの訓練を行う。
  論文  参考訳（メタデータ） (2024-02-28T15:11:02Z)
• Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust Closed-Loop Control [63.310780486820796]
  繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。 パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
  論文  参考訳（メタデータ） (2023-10-05T21:44:18Z)
• Offline Contextual Bandits for Wireless Network Optimization [107.24086150482843]
  本稿では,ユーザ要求の変化に応じて,ネットワーク内の各セルの構成パラメータを自動的に調整するポリシの学習方法について検討する。 私たちのソリューションは、オフライン学習のための既存の方法を組み合わせて、この文脈で生じる重要な課題を克服する原則的な方法でそれらを適応します。
  論文  参考訳（メタデータ） (2021-11-11T11:31:20Z)
• Federated Learning over Wireless IoT Networks with Optimized Communication and Resources [98.18365881575805]
  協調学習技術のパラダイムとしてのフェデレートラーニング(FL)は研究の注目を集めている。 無線システム上での高速応答および高精度FLスキームの検証が重要である。 提案する通信効率のよいフェデレーション学習フレームワークは,強い線形速度で収束することを示す。
  論文  参考訳（メタデータ） (2021-10-22T13:25:57Z)
• Federated learning and next generation wireless communications: A survey on bidirectional relationship [2.019622939313173]
  フェデレートラーニング(FL)と呼ばれる分散機械学習パラダイムが最近提案されている。 FLでは、各エッジデバイスは、独自のトレーニングデータを使用して、ローカルモデルをトレーニングする。 一方、FLには無線通信が不可欠である。
  論文  参考訳（メタデータ） (2021-10-14T18:15:38Z)
• Distributed Learning in Wireless Networks: Recent Progress and Future Challenges [170.35951727508225]
  次世代のワイヤレスネットワークは、エッジデバイスが収集するさまざまな種類のデータを分析する多くの機械学習ツールやアプリケーションを可能にする。 エッジデバイスが生データ交換なしでMLモデルを協調的にトレーニングできるようにする手段として,分散学習と推論技術が提案されている。 本稿では,ワイヤレスエッジネットワーク上で分散学習を効率的に効果的に展開する方法を包括的に研究する。
  論文  参考訳（メタデータ） (2021-04-05T20:57:56Z)
• Deep Reinforcement Learning-Aided RAN Slicing Enforcement for B5G Latency Sensitive Services [10.718353079920007]
  本論文では、無線アクセスネットワークスライスと無線リソース管理に対処するために、ネットワークの端でDeep Reinforcement Learningを利用する新しいアーキテクチャを提案する。 提案手法の有効性を,自律走行型ユースケースを考慮したコンピュータシミュレーションにより検討した。
  論文  参考訳（メタデータ） (2021-03-18T14:18:34Z)
• To Talk or to Work: Flexible Communication Compression for Energy Efficient Federated Learning over Heterogeneous Mobile Edge Devices [78.38046945665538]
  巨大なモバイルエッジデバイス上でのフェデレーション学習(FL)は、多数のインテリジェントなモバイルアプリケーションのための新たな地平を開く。 FLは、定期的なグローバル同期と継続的なローカルトレーニングにより、参加するデバイスに膨大な通信と計算負荷を課す。 フレキシブルな通信圧縮を可能にする収束保証FLアルゴリズムを開発。
  論文  参考訳（メタデータ） (2020-12-22T02:54:18Z)
• Communication-Efficient and Distributed Learning Over Wireless Networks: Principles and Applications [55.65768284748698]
  機械学習(ML)は、第5世代(5G)通信システムなどのための有望なイネーブルである。 本稿では、関連するコミュニケーションとMLの原則を概観し、選択したユースケースでコミュニケーション効率と分散学習フレームワークを提示することを目的とする。
  論文  参考訳（メタデータ） (2020-08-06T12:37:14Z)

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。