論文の概要: Communication Efficient Cooperative Edge AI via Event-Triggered Computation Offloading

• arxiv url: http://arxiv.org/abs/2501.02001v1
• Date: Wed, 01 Jan 2025 15:55:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-07 17:05:26.303574
• Title: Communication Efficient Cooperative Edge AI via Event-Triggered Computation Offloading
• Title（参考訳）: イベントトリガー型計算オフロードによる効率的な協調エッジAI
• Authors: You Zhou, Changsheng You, Kaibin Huang,
• Abstract要約: 本稿では,効率的なレアイベント処理を優先する,チャネルトリガーによるイベントトリガーエッジ推論フレームワークを提案する。 提案手法は,従来のエッジ推論手法とは対照的に,より優れたレアイベント分類精度を実現し,通信オーバーヘッドを効果的に低減する。
• 参考スコア（独自算出の注目度）: 34.18100643343979
• License:
• Abstract: Rare events, despite their infrequency, often carry critical information and require immediate attentions in mission-critical applications such as autonomous driving, healthcare, and industrial automation. The data-intensive nature of these tasks and their need for prompt responses, combined with designing edge AI (or edge inference), pose significant challenges in systems and techniques. Existing edge inference approaches often suffer from communication bottlenecks due to high-dimensional data transmission and fail to provide timely responses to rare events, limiting their effectiveness for mission-critical applications in the sixth-generation (6G) mobile networks. To overcome these challenges, we propose a channel-adaptive, event-triggered edge-inference framework that prioritizes efficient rare-event processing. Central to this framework is a dual-threshold, multi-exit architecture, which enables early local inference for rare events detected locally while offloading more complex rare events to edge servers for detailed classification. To further enhance the system's performance, we developed a channel-adaptive offloading policy paired with an online algorithm to dynamically determine the optimal confidence thresholds for controlling offloading decisions. The associated optimization problem is solved by reformulating the original non-convex function into an equivalent strongly convex one. Using deep neural network classifiers and real medical datasets, our experiments demonstrate that the proposed framework not only achieves superior rare-event classification accuracy, but also effectively reduces communication overhead, as opposed to existing edge-inference approaches.
• Abstract（参考訳）: 頻度の低いイベントは、しばしば重要な情報を持ち、自律運転、医療、産業自動化といったミッションクリティカルなアプリケーションにすぐに注意を払う必要がある。 これらのタスクのデータ集約的な性質と、エッジAI(あるいはエッジ推論)の設計と組み合わせることで、システムや技術に重大な課題が生じる。 既存のエッジ推論アプローチは、高次元のデータ伝送による通信ボトルネックに悩まされ、まれな事象に対するタイムリーな応答が得られず、第6世代(6G)モバイルネットワークにおけるミッションクリティカルなアプリケーションの有効性を制限している。 これらの課題を克服するために、効率的なレアイベント処理を優先するチャネル適応型イベントトリガーエッジ推論フレームワークを提案する。 このフレームワークの中心はデュアルスレッドのマルチエグジットアーキテクチャであり、より複雑なレアイベントをエッジサーバにオフロードしながら、ローカルで検出されたレアイベントの早期ローカル推論を可能にする。 システムの性能をさらに向上するため、オンラインアルゴリズムと組み合わせたチャネル適応型オフロードポリシーを開発し、オフロード決定を制御するための最適な信頼度閾値を動的に決定する。 関連する最適化問題は、元の非凸関数を等価な強凸関数に書き換えることによって解決される。 深層ニューラルネットワーク分類器と実際の医療データセットを用いて、提案するフレームワークは、より優れたレアイベント分類精度を達成するだけでなく、既存のエッジ推論アプローチとは対照的に、通信オーバーヘッドを効果的に低減することを示した。

関連論文リスト

• Edge-device Collaborative Computing for Multi-view Classification [9.047284788663776]
  エッジノードとエンドデバイスが相関データと推論計算負荷を共有するエッジでの協調推論について検討する。 本稿では,データ冗長性を効果的に低減し,帯域幅の消費を削減できる選択手法を提案する。 実験結果から、選択的な協調スキームは上記の性能指標間で異なるトレードオフを達成できることが示された。
  論文  参考訳（メタデータ） (2024-09-24T11:07:33Z)
• Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
  我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。 周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。 我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
  論文  参考訳（メタデータ） (2024-08-29T08:53:26Z)
• Decentralized Learning Strategies for Estimation Error Minimization with Graph Neural Networks [94.2860766709971]
  統計的に同一性を持つ無線ネットワークにおける自己回帰的マルコフ過程のサンプリングとリモート推定の課題に対処する。 我々のゴールは、分散化されたスケーラブルサンプリングおよび送信ポリシーを用いて、時間平均推定誤差と/または情報の年齢を最小化することである。
  論文  参考訳（メタデータ） (2024-04-04T06:24:11Z)
• PREM: A Simple Yet Effective Approach for Node-Level Graph Anomaly Detection [65.24854366973794]
  ノードレベルのグラフ異常検出(GAD)は、医学、ソーシャルネットワーク、eコマースなどの分野におけるグラフ構造化データから異常ノードを特定する上で重要な役割を果たす。 本稿では,GADの効率を向上させるために,PREM (preprocessing and Matching) という簡単な手法を提案する。 我々のアプローチは、強力な異常検出機能を維持しながら、GADを合理化し、時間とメモリ消費を削減します。
  論文  参考訳（メタデータ） (2023-10-18T02:59:57Z)
• Semantic Communication Enabling Robust Edge Intelligence for Time-Critical IoT Applications [87.05763097471487]
  本稿では、時間クリティカルなIoTアプリケーションのためのセマンティック通信を用いて、堅牢なエッジインテリジェンスを設計することを目的とする。 本稿では,画像DCT係数が推定精度に与える影響を解析し,オフロードのためのチャネル非依存の有効性符号化を提案する。
  論文  参考訳（メタデータ） (2022-11-24T20:13:17Z)
• Efficient Graph Neural Network Inference at Large Scale [54.89457550773165]
  グラフニューラルネットワーク(GNN)は、幅広いアプリケーションで優れた性能を示している。 既存のスケーラブルなGNNは、線形伝搬を利用して特徴を前処理し、トレーニングと推論の手順を高速化する。 本稿では,そのトポロジ情報に基づいて各ノードに対してパーソナライズされた伝搬順序を生成する適応的伝搬順序法を提案する。
  論文  参考訳（メタデータ） (2022-11-01T14:38:18Z)
• Networked Online Learning for Control of Safety-Critical Resource-Constrained Systems based on Gaussian Processes [9.544146562919792]
  本稿では,ガウス過程の回帰に基づく新しいネットワーク型オンライン学習手法を提案する。 本稿では,送信チャネルの帯域制限と時間遅延を考慮した,ローカルシステムとクラウド間の効率的なデータ伝送方式を提案する。
  論文  参考訳（メタデータ） (2022-02-23T13:12:12Z)
• Practitioner-Centric Approach for Early Incident Detection Using Crowdsourced Data for Emergency Services [2.5328886773979375]
  Wazeのようなクラウドソーシングプラットフォームは、インシデントを早期に特定する機会を提供する。 クラウドソースデータストリームからのインシデントを検出することは,このようなデータに関連するノイズや不確実性の難しさから難しい。 本稿では,クラウドソーシングデータを用いた実践者中心インシデント検出のための新しい問題定式化と解法を提案する。
  論文  参考訳（メタデータ） (2021-12-03T16:51:41Z)
• Communication-Computation Efficient Device-Edge Co-Inference via AutoML [4.06604174802643]
  デバイスエッジのコ推論は、リソース制約のあるモバイルデバイスとエッジサーバの間のディープニューラルネットワークを分割する。 オンデバイスモデルスパーシリティレベルと中間特徴圧縮比は、ワークロードと通信オーバーヘッドに直接的な影響を与える。 深部強化学習(DRL)に基づく新しい自動機械学習(AutoML)フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-08-30T06:36:30Z)
• Adaptive Anomaly Detection for Internet of Things in Hierarchical Edge Computing: A Contextual-Bandit Approach [81.5261621619557]
  階層エッジコンピューティング(HEC)を用いた適応型異常検出手法を提案する。 まず,複雑性を増した複数のDNNモデルを構築し,それぞれを対応するHEC層に関連付ける。 そこで我々は、文脈帯域問題として定式化され、強化学習ポリシーネットワークを用いて解決される適応モデル選択スキームを設計する。
  論文  参考訳（メタデータ） (2021-08-09T08:45:47Z)
• Reinforcement Learning for Mitigating Intermittent Interference in Terahertz Communication Networks [4.999585439793266]
  多数のユーザによる非協調送信はテラヘルツネットワークに重大な干渉を引き起こす可能性がある。 適応型マルチスレッディング戦略を用いた強化学習に基づく新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-10T16:28:45Z)

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。