論文の概要: TPAoI: Ensuring Fresh Service Status at the Network Edge in Compute-First Networking

• arxiv url: http://arxiv.org/abs/2412.18391v1
• Date: Tue, 24 Dec 2024 12:33:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-25 15:54:22.035304
• Title: TPAoI: Ensuring Fresh Service Status at the Network Edge in Compute-First Networking
• Title（参考訳）: TPAoI: コンピューティングファーストネットワークにおけるネットワークエッジにおける新鮮なサービス状態の保証
• Authors: Haosheng He, Jianpeng Qi, Chao Liu, Junyu Dong, Yanwei Yu,
• Abstract要約: 計算ファーストネットワークでは、ネットワークエッジにおける最新かつ正確なステータス情報を維持することが、リモートサービスへの効果的なアクセスに不可欠である。 本稿では,サービス状態の鮮度を計測して更新決定を最適化することを目的とした新しい指標であるTPAoIを紹介する。
• 参考スコア（独自算出の注目度）: 30.93996168116214
• License:
• Abstract: In compute-first networking, maintaining fresh and accurate status information at the network edge is crucial for effective access to remote services. This process typically involves three phases: Status updating, user accessing, and user requesting. However, current studies on status effectiveness, such as Age of Information at Query (QAoI), do not comprehensively cover all these phases. Therefore, this paper introduces a novel metric, TPAoI, aimed at optimizing update decisions by measuring the freshness of service status. The stochastic nature of edge environments, characterized by unpredictable communication delays in updating, requesting, and user access times, poses a significant challenge when modeling. To address this, we model the problem as a Markov Decision Process (MDP) and employ a Dueling Double Deep Q-Network (D3QN) algorithm for optimization. Extensive experiments demonstrate that the proposed TPAoI metric effectively minimizes AoI, ensuring timely and reliable service updates in dynamic edge environments. Results indicate that TPAoI reduces AoI by an average of 47\% compared to QAoI metrics and decreases update frequency by an average of 48\% relative to conventional AoI metrics, showing significant improvement.
• Abstract（参考訳）: 計算ファーストネットワークでは、ネットワークエッジにおける最新かつ正確なステータス情報を維持することが、リモートサービスへの効果的なアクセスに不可欠である。 このプロセスは通常、ステータス更新、ユーザアクセス、ユーザ要求の3つのフェーズを含む。 しかし、QAoI(Age of Information at Query)のような現状の有効性に関する最近の研究は、これらすべてのフェーズを包括的にカバーしていない。 そこで本稿では,サービス状態の鮮度を計測して更新決定を最適化することを目的とした新しい指標TPAoIを提案する。 エッジ環境の確率的性質は、更新、要求、ユーザアクセス時間の予測不能な通信遅延によって特徴づけられるが、モデリングにおいて重要な課題である。 そこで我々は,この問題をマルコフ決定プロセス(MDP)としてモデル化し,Dueling Double Deep Q-Network (D3QN)アルゴリズムを用いて最適化する。 大規模な実験では、提案したTPAoIメトリックがAoIを効果的に最小化し、動的エッジ環境におけるタイムリーで信頼性の高いサービス更新を保証することが示されている。 その結果,TPAoIはQAoI指標と比較して平均47倍のAoIを減少させ,従来のAoI指標と比較して平均48倍の更新頻度を減少させ,大幅な改善を示した。

関連論文リスト

• AdaShadow: Responsive Test-time Model Adaptation in Non-stationary Mobile Environments [24.606016498430407]
  本稿では,非定常移動データ配信と資源動態のための応答性テスト時間適応フレームワークであるAdaShadowを提案する。 AdaShadowは、レイヤの重要度とレイテンシを推定する上での課題と、最適なレイヤ更新計画のスケジューリングに対処する。 その結果,AdaShadowは連続的なシフトの下で最高の精度-遅延バランスを達成することがわかった。
  論文  参考訳（メタデータ） (2024-10-10T16:41:39Z)
• Age-Based Scheduling for Mobile Edge Computing: A Deep Reinforcement Learning Approach [58.911515417156174]
  我々は情報時代(AoI)の新たな定義を提案し、再定義されたAoIに基づいて、MECシステムにおけるオンラインAoI問題を定式化する。 本稿では,システム力学の部分的知識を活用するために,PDS(Post-Decision State)を導入する。 また、PSDと深いRLを組み合わせることで、アルゴリズムの適用性、スケーラビリティ、堅牢性をさらに向上します。
  論文  参考訳（メタデータ） (2023-12-01T01:30:49Z)
• Information Association for Language Model Updating by Mitigating LM-Logical Discrepancy [68.31760483418901]
  大規模言語モデル(LLM)は、時代遅れの事前学習データのために現在の情報を提供するのに苦労する。 知識編集や連続的な微調整など,従来のLCMの更新方法は,新たな情報の一般化に重大な欠点がある。 これらの欠点の中核となる課題は,言語モデリングの確率と論理的確率の差を特徴とするLM論理的相違である。
  論文  参考訳（メタデータ） (2023-05-29T19:48:37Z)
• TPMCF: Temporal QoS Prediction using Multi-Source Collaborative Features [0.5161531917413706]
  時間的予測は、時間とともに適切なサービスを特定するために不可欠である。 近年の手法は, 様々な制約により, 所望の精度が得られなかった。 本稿では,マルチソース協調機能を用いた時間予測のためのスケーラブルな戦略を提案する。
  論文  参考訳（メタデータ） (2023-03-30T06:49:53Z)
• EcoTTA: Memory-Efficient Continual Test-time Adaptation via Self-distilled Regularization [71.70414291057332]
  TTAは主にメモリ制限のあるエッジデバイス上で実行される。 長期的な適応は、しばしば破滅的な忘れとエラーの蓄積につながる。 本稿では,凍結したオリジナルネットワークを対象ドメインに適応させる軽量なメタネットワークを提案する。
  論文  参考訳（メタデータ） (2023-03-03T13:05:30Z)
• Low Complexity Adaptive Machine Learning Approaches for End-to-End Latency Prediction [0.0]
  この研究は、予測、監視、予測のための効率的で低コストな適応アルゴリズムの設計である。 我々は,GNNにおける近年の国際的課題の後に提供されたパブリックジェネレータから得られるデータに対して,我々のアプローチと結果を説明するために,エンドツーエンドの遅延予測に焦点を当てた。
  論文  参考訳（メタデータ） (2023-01-31T10:29:11Z)
• Age of Semantics in Cooperative Communications: To Expedite Simulation Towards Real via Offline Reinforcement Learning [53.18060442931179]
  協調リレー通信システムにおける状態更新のセマンティックス更新度を測定するための意味学年代(AoS)を提案する。 オンライン・ディープ・アクター・クリティック(DAC)学習手法を,政治時間差学習の枠組みに基づいて提案する。 そこで我々は,以前に収集したデータセットから最適制御ポリシーを推定する,新しいオフラインDAC方式を提案する。
  論文  参考訳（メタデータ） (2022-09-19T11:55:28Z)
• QoS-Aware Scheduling in New Radio Using Deep Reinforcement Learning [2.3857747529378917]
  NRネットワークのためのQA-Aware Deep Reinforcement Learning Agent (QADRA)スケジューラを提案する。 評価シナリオとして,QADRAスケジューラはネットワークのスループットを30%向上すると同時に,ユーザの満足度を同時に維持する。
  論文  参考訳（メタデータ） (2021-07-14T09:18:39Z)
• Optimizing the Long-Term Average Reward for Continuing MDPs: A Technical Report [117.23323653198297]
  ユーザが経験した情報の鮮度と、センサが消費するエネルギーのバランスをとっています。 対応するステータス更新手順を継続的なマルコフ決定プロセス(MDP)としてキャストします。 次元の呪いを回避するため,我々は深層強化学習(DRL)アルゴリズムを設計するための方法論を確立した。
  論文  参考訳（メタデータ） (2021-04-13T12:29:55Z)
• Learning Augmented Index Policy for Optimal Service Placement at the Network Edge [8.136957953239254]
  私たちは、意思決定者がエッジでホストする$ N$サービスのいずれかを選択する必要があるネットワークエッジでサービス配置の問題を検討します。 私たちの目標は、顧客の平均サービス配信遅延を最小限に抑える適応アルゴリズムを設計することです。
  論文  参考訳（メタデータ） (2021-01-10T23:54:59Z)
• Toward fast and accurate human pose estimation via soft-gated skip connections [97.06882200076096]
  本稿では,高精度かつ高効率な人間のポーズ推定について述べる。 我々は、最先端技術よりも精度と効率を両立させる文脈において、この設計選択を再分析する。 本モデルでは,MPII と LSP のデータセットから最先端の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-25T18:51:51Z)

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。