Fugu-MT 論文翻訳(概要): Microservice-based edge platform for AI services

論文の概要: Microservice-based edge platform for AI services

arxiv url: http://arxiv.org/abs/2412.01328v1
Date: Mon, 02 Dec 2024 09:50:51 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-04 15:48:37.635999
Title: Microservice-based edge platform for AI services
Title（参考訳）: AIサービスのためのマイクロサービスベースのエッジプラットフォーム
Authors: Philippe Lalanda, German Vega, Denis Morand,
Abstract要約: 2つの大きな進化は、普及するアプリケーションの開発方法を変えつつある。もうひとつは、これらのアプリケーションを構築するための機械学習テクニックの大量使用です。スマートスペースにおけるそのようなアプリケーションの開発を可能にする新しいアーキテクチャとプラットフォームを提案する。
参考スコア（独自算出の注目度）: 0.6291443816903802
License:
Abstract: Pervasive computing promotes the integration of smart electronic devices in our living and working spaces to provide advanced services. Recently, two major evolutions are changing the way pervasive applications are developed. The first deals with moving computation and storage to the edge. The second is the massive use of machine learning techniques to build these applications. However, architectural principles and integrated frameworks are still missing today to successfully and repetitively support application developers in the creation of edge-level AI applications. In this paper, we present a novel architecture and platform allowing the development of such applications in smart spaces.
Abstract（参考訳）: 普及型コンピューティングは、私たちの生活や作業空間におけるスマート電子機器の統合を促進し、高度なサービスを提供する。最近、2つの大きな進化が、普及するアプリケーションの開発方法を変えつつある。第一に、計算とストレージのエッジへの移動を扱う。もうひとつは、これらのアプリケーションを構築するための機械学習テクニックの大量使用です。しかし、エッジレベルのAIアプリケーションの開発において、アプリケーション開発者を成功かつ反復的にサポートするために、アーキテクチャの原則と統合されたフレームワークはいまだに欠落している。本稿では,スマート空間におけるそのようなアプリケーションの開発を可能にする,新しいアーキテクチャとプラットフォームを提案する。

関連論文リスト

Skeet: Towards a Lightweight Serverless Framework Supporting Modern AI-Driven App Development [0.0]
Skeetは最近、初期評価とともに一般向けにリリースされた。 Skeetは、アーキテクチャの現在のトレンドを反映したアプリ構造と、AI内部に関する最小限の知識を持つ開発者が、そのような技術をアプリに簡単に組み込んでデプロイできるツールスイートを提供する。
論文参考訳（メタデータ） (2024-05-10T01:00:20Z)
CARISMA: CAR-Integrated Service Mesh Architecture [0.9834663375961437]
現代の自動車におけるソフトウェアの量は、従来の電気/電子アーキテクチャー(E/E)が限界に達するにつれて、継続的に増加している。この状況を緩和するため、より強力なコンピューティングプラットフォームが採用され、アプリケーションは分散アプリケーションとして開発されている。本稿では,複数のインターリンクハイパフォーマンスコンピュータからなる自動車E/Eプラットフォームに対して,サービスメッシュのプロトタイプアプローチを適用したアーキテクチャを提案する。
論文参考訳（メタデータ） (2024-03-07T10:10:34Z)
Emergent Software Service Platform and its Application in a Smart Mobility Setting [2.2969236985898744]
異質なアクターがオープンプラットフォーム上で一緒に行動するDevOpsプロセスでは、システムは進化している。本稿では,このような創発的ソフトウェアサービスプラットフォームのためのアーキテクチャを提案する。このアーキテクチャを基盤となるエンジニアリング方法論で実装するソフトウェアプラットフォームは、スマート駐車場のシナリオで実証されている。
論文参考訳（メタデータ） (2023-08-16T06:51:23Z)
DECICE: Device-Edge-Cloud Intelligent Collaboration Framework [44.60377772088869]
DeCICEフレームワークとアーキテクチャについて説明する。我々は、インテリジェントトラフィック交差点、磁気共鳴イメージング、緊急応答といったフレームワーク評価のユースケースを強調した。
論文参考訳（メタデータ） (2023-05-04T10:11:14Z)
Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
論文参考訳（メタデータ） (2022-12-10T07:49:50Z)
Developing an AI-enabled IIoT platform -- Lessons learned from early use case validation [47.37985501848305]
本稿では,このプラットフォームの設計について紹介し,AIによる視覚的品質検査の実証者の観点からの早期評価について述べる。これは、この初期の評価活動で学んだ洞察と教訓によって補完される。
論文参考訳（メタデータ） (2022-07-10T18:51:12Z)
Agility in Software 2.0 -- Notebook Interfaces and MLOps with Buttresses and Rebars [9.327920030279586]
本稿では,機械学習開発の基本となる2つの現代的発展現象について論じる。まず、統合開発環境への容易な移行をサポートすることにより、ノートブックにおける作業の本質的な弱点を解消できるソリューションを提案する。第2に、MLOpsコンテキストにメタファ的な執着と残響を導入することで、AIシステムの強化エンジニアリングを提案する。
論文参考訳（メタデータ） (2021-11-28T13:40:30Z)
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)
Edge-Cloud Polarization and Collaboration: A Comprehensive Survey [61.05059817550049]
クラウドとエッジ両方のAIの体系的なレビューを行います。私たちはクラウドとエッジモデリングの協調学習メカニズムを最初にセットアップしました。我々は現在進行中の最先端AIトピックの可能性と実践経験について議論する。
論文参考訳（メタデータ） (2021-11-11T05:58:23Z)
Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文参考訳（メタデータ） (2021-01-11T15:54:48Z)
Beware the evolving 'intelligent' web service! An integration architecture tactic to guard AI-first components [5.975695375814527]
我々の提案は、インテリジェントなサービス依存ソフトウェアロバスト性を改善するために設計されたアーキテクチャ戦略である。この戦略には、インテリジェントなサービスに対してベースラインでアプリケーション固有のベンチマークデータセットを作成することが含まれる。本アーキテクチャの実装に関する技術的評価は,本手法が実質的な信頼進化の1,054例と,応答ラベルセットに対する実質的な変化の2,461例を識別できることを示す。
論文参考訳（メタデータ） (2020-05-27T06:15:18Z)

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。