論文の概要: Complex Event Processing in the Edge: A Combined Optimization Approach for Data and Code Placement

• arxiv url: http://arxiv.org/abs/2602.19338v1
• Date: Sun, 22 Feb 2026 21:01:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.597297
• Title: Complex Event Processing in the Edge: A Combined Optimization Approach for Data and Code Placement
• Title（参考訳）: エッジにおける複合イベント処理: データとコード配置の最適化アプローチ
• Authors: Halit Uyanık, Tolga Ovatman,
• Abstract要約: 複合イベント処理(CEP)は、重要なイベントのトリガーを推論するために、複数のソースからデータを読み、集約する。 本研究では,CEPタスクグラフの異なるパス間の実行コストと制約付きプログラミング最適化アプローチのバランスをとる。 提案されたアプローチはPythonライブラリとして実装されており、小さなIoTデバイスでコードとI/O割り当てを適応的に最適化することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The increasing variety of input data and complexity of tasks that are handled by the devices of internet of things (IoT) environments require solutions that consider the limited hardware and computation power of the edge devices. Complex event processing (CEP), can be given as an example, which involves reading and aggregating data from multiple sources to infer triggering of important events. In this study, we balance the execution costs between different paths of the CEP task graph with a constrained programming optimization approach and improve critical path performance. The proposed approach is implemented as a Python library, allowing small-scale IoT devices to adaptively optimize code and I/O assignments and improve overall latency and throughput. The implemented library abstracts away the communication details and allows virtualization of a shared memory between IoT devices. The results show that optimizing critical path performance increases throughput and reduces delay across multiple devices during CEP operations.
• Abstract（参考訳）: IoT(Internet of Things)環境のデバイスによって処理されるさまざまな入力データとタスクの複雑さは、エッジデバイスのハードウェアと計算能力の制限を考慮したソリューションを必要とします。 複合イベント処理(CEP)は、重要なイベントのトリガーを推測するために、複数のソースからデータを読み、集約する。 本研究では,CEPタスクグラフの異なるパス間の実行コストと制約付きプログラミング最適化アプローチのバランスをとり,クリティカルパスの性能を向上させる。 提案されたアプローチはPythonライブラリとして実装されており、小さなIoTデバイスでコードとI/O割り当てを適応的に最適化し、全体的なレイテンシとスループットを改善することができる。 実装されたライブラリは通信の詳細を抽象化し、IoTデバイス間で共有メモリの仮想化を可能にする。 その結果、クリティカルパス性能の最適化はスループットを向上し、CEP操作中に複数のデバイス間で遅延を減少させることがわかった。

関連論文リスト

• Split Learning in Computer Vision for Semantic Segmentation Delay Minimization [25.0679083637967]
  分割学習(SL)を用いたセマンティックセグメンテーションにおける推論遅延を最小化する新しい手法を提案する。 SLはリソース制約のあるデバイスのためのリアルタイムコンピュータビジョン(CV)アプリケーションのニーズに合わせて調整されている。
  論文  参考訳（メタデータ） (2024-12-18T19:07:25Z)
• A Multi-Head Ensemble Multi-Task Learning Approach for Dynamical Computation Offloading [62.34538208323411]
  共有バックボーンと複数の予測ヘッド(PH)を組み合わせたマルチヘッドマルチタスク学習(MEMTL)手法を提案する。 MEMTLは、追加のトレーニングデータを必要とせず、推測精度と平均平方誤差の両方でベンチマーク手法より優れている。
  論文  参考訳（メタデータ） (2023-09-02T11:01:16Z)
• Energy-efficient Task Adaptation for NLP Edge Inference Leveraging Heterogeneous Memory Architectures [68.91874045918112]
  Adapter-ALBERTは、様々なタスクにわたる最大データ再利用のための効率的なモデル最適化である。 検証されたNLPエッジアクセラレータ上でシミュレーションを行うことにより、モデルを不均一なオンチップメモリアーキテクチャにマッピングする利点を実証する。
  論文  参考訳（メタデータ） (2023-03-25T14:40:59Z)
• Transformer-based assignment decision network for multiple object tracking [2.2920634931825803]
  本稿では,データアソシエーションに取り組むトランスフォーマーベースのアサインメント決定ネットワーク(TADN)について,推論中に明示的な最適化を必要とせずに紹介する。 提案手法は,トラッカーとしての単純な性質にもかかわらず,ほとんどの評価指標において高い性能を示す。
  論文  参考訳（メタデータ） (2022-08-06T19:47:32Z)
• 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)
• Asynchronous Parallel Incremental Block-Coordinate Descent for Decentralized Machine Learning [55.198301429316125]
  機械学習(ML)は、巨大なIoT(Internet of Things)ベースのインテリジェントでユビキタスなコンピューティングのビッグデータ駆動モデリングと分析のための重要なテクニックである。 急成長するアプリケーションやデータ量にとって、分散学習は有望な新興パラダイムである。 本稿では,多くのユーザデバイスに分散した分散システム上でMLモデルをトレーニングする問題について検討する。
  論文  参考訳（メタデータ） (2022-02-07T15:04:15Z)
• 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)

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。