Fugu-MT 論文翻訳(概要): Intelligent Edge Computing

論文の概要: Intelligent Edge Computing

arxiv url: http://arxiv.org/abs/2609.00181v1
Date: Mon, 31 Aug 2026 18:04:32 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-02 16:31:35.927061
Title: Intelligent Edge Computing
Title（参考訳）: インテリジェントエッジコンピューティング
Abstract要約: 本稿では、ワークロード対応アプローチを用いてハッシュ結合を高速化するWorkload Aware Column Imprint-Hash Join WACI-HJを提案する。 WACI-HJは、前処理、予測、ブロックおよびハッシュモジュールを含む、WACI-HJ生成フェーズの2つのフェーズから構成される。ベンチマークデータセットと実世界のSmart Transportationデータセットの評価では、キャッシュラインの読み込みが54%削減され、クエリ実行時間が10%改善された。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: The number of edge devices in large-scale edge systems is rapidly increasing. Edge devices have limited processing power, memory, and network bandwidth, making resource utilization and data management during edge query processing challenging. Joins are among the costliest database operations in terms of time and resources. The State-of-the-Art edge query processing, Column Imprint-Hash Join CI-HJ, addresses this challenge using equi-height binning to accelerate hash joins. However, it lacks efficiency in real-time processing and scans unnecessary cachelines. This paper presents Workload Aware Column Imprint-Hash Join WACI-HJ, which uses a workload-aware approach to accelerate hash joins. Predicting the upcoming query workload in advance further improves its suitability for real-time edge query processing. WACI-HJ comprises two phases: WACI-HJ Generation Phase, including Pre-processing, Prediction, and Blocking and Hashing modules to compute bins based on the predicted workload before query arrival, and Query Processing and Resource Utilization, which handles query processing and CPU, RAM, and I/O utilization. Evaluations on a benchmark dataset and a real-world Smart Transportation dataset show a 54% reduction in cachelines read and 10% improved query execution time. The proposed technique is effective for both scaled and skewed data. Although PCR is an indirect measure of energy consumption, the work also directly measures energy consumption through energy-efficiency experiments. WACI-HJ shows 1%, 38%, and 49% gain in CPU, RAM, and I/O, respectively. Optimizing cache usage and query execution speeds up real-time traffic analysis, congestion management, and routing in Smart Transportation. Additionally, this technology can be applied to other domains to accelerate edge query processing.
Abstract（参考訳）: 大規模エッジシステムにおけるエッジデバイスの数は急速に増加している。エッジデバイスは処理能力、メモリ、ネットワーク帯域幅に制限があり、エッジクエリ処理時のリソース利用とデータ管理は困難である。結合は、時間とリソースの点で、最もコストのかかるデータベース操作の1つです。 State-of-the-Artエッジクエリ処理であるColumn Imprint-Hash Join CI-HJは、ハッシュ結合を高速化するために均質なビンニングを使用してこの問題に対処する。しかし、リアルタイム処理の効率に欠け、不要なキャッシュラインをスキャンする。本稿では、ワークロード対応アプローチを用いてハッシュ結合を高速化するWorkload Aware Column Imprint-Hash Join WACI-HJを提案する。今後のクエリワークロードを事前に予測することで、リアルタイムのエッジクエリ処理への適合性がさらに向上する。 WACI-HJ 生成フェーズは、クエリ到着前に予測されたワークロードに基づいて bin を計算するための前処理、予測、ブロックおよびハッシュモジュールを含む、WACI-HJ 生成フェーズと、クエリ処理と CPU、RAM、I/O 利用を処理するクエリ処理とリソース利用である。ベンチマークデータセットと実世界のSmart Transportationデータセットの評価では、キャッシュラインの読み込みが54%削減され、クエリ実行時間が10%改善された。提案手法は,スケールデータとスキューデータの両方に有効である。 PCRはエネルギー消費の間接的な尺度であるが、この研究はエネルギー効率実験を通じてエネルギー消費を直接測定する。 WACI-HJは、それぞれCPU、RAM、I/Oで1%、38%、49%のアップを示している。キャッシュ使用量の最適化とクエリ実行により、Smart Transportationのリアルタイムトラフィック分析、混雑管理、ルーティングが高速化される。さらに、エッジクエリ処理を高速化するために、この技術は他のドメインにも適用することができる。

関連論文リスト

REIS: A High-Performance and Energy-Efficient Retrieval System with In-Storage Processing [8.574396262432522]
大きな言語モデル(LLM)は固有の課題に直面します。 Retrieval-Augmented Generation (RAG)は、LLMの静的トレーニングに基づく知識を外部知識リポジトリで補完する。本稿では,これらの制約を3つのキーメカニズムで処理するRAG用に設計された最初のISPシステムであるREISを提案する。
論文参考訳（メタデータ） (2025-06-19T16:26:51Z)
Compress, Gather, and Recompute: REFORMing Long-Context Processing in Transformers [58.98923344096319]
REFORMは、2フェーズアプローチによって、長いコンテキストを効率的に処理する新しい推論フレームワークである。 RULERとBABILongでそれぞれ1Mコンテキスト長で50%以上と27%のパフォーマンス向上を達成した。また、Infinite-BenchとMM-NIAHのベースラインを上回り、さまざまなタスクやドメインの柔軟性を示す。
論文参考訳（メタデータ） (2025-06-01T23:49:14Z)
Log-Augmented Generation: Scaling Test-Time Reasoning with Reusable Computation [80.69067017594709]
大規模言語モデル(LLM)とそのエージェントモデルは、以前のタスクからの推論を維持するのに苦労する。本稿では,従来の計算を直接再利用し,テスト時に過去のログから推論する新しいフレームワークであるLAGを提案する。本手法は,ログを使用しない標準的なエージェントシステムよりも優れている。
論文参考訳（メタデータ） (2025-05-20T14:14:38Z)
Leveraging Approximate Caching for Faster Retrieval-Augmented Generation [6.674782158041247]
本稿では,ユーザクエリの類似性を活用してRAGワークフローを最適化する,近似キー値キャッシュであるProximityを紹介する。 Proximityは、それぞれのクエリを独立して扱う代わりに、類似したクエリが現れると、以前検索されたドキュメントを再利用する。我々の実験では、LSH方式と現実的にスキューされたMedRAGのワークロードとの近さは、データベースのリコールとテストの精度を維持しながら、データベース呼び出しを77.2%削減することを示した。
論文参考訳（メタデータ） (2025-03-07T15:54:04Z)
CiFlow: Dataflow Analysis and Optimization of Key Switching for Homomorphic Encryption [2.704681057324485]
ホモモルフィック暗号化(HE)は、暗号化されたデータの計算を可能にするプライバシー保護計算技術である。 HEは極めて遅いため、実際のアプリケーションでは使用できない。本稿では,そのデータフローを厳密に解析することでHE性能を向上させる新しい手法を提案する。
論文参考訳（メタデータ） (2023-11-02T21:08:56Z)
HUSP-SP: Faster Utility Mining on Sequence Data [48.0426095077918]
高実用性シーケンシャルパターンマイニング (HUSPM) が重要視されている。シークエンスプロジェクション(seqPro)と呼ばれるコンパクトな構造を設計し、シークエンスプロ構造(HUSP-SP)を用いた効率的なアルゴリズムを提案する。 HUSP-SPは, 実行時間, メモリ使用量, 検索空間のプルーニング効率, スケーラビリティにおいて, 最先端のアルゴリズムを著しく上回っている。
論文参考訳（メタデータ） (2022-12-29T10:56:17Z)
NumS: Scalable Array Programming for the Cloud [82.827921577004]
タスクベース分散システム上でNumPyのような表現を最適化する配列プログラミングライブラリであるNumSを提案する。これはLoad Simulated Hierarchical Scheduling (LSHS)と呼ばれる新しいスケジューラによって実現される。 LSHSは、ネットワーク負荷を2倍減らし、メモリを4倍減らし、ロジスティック回帰問題において実行時間を10倍減らし、Rayの性能を向上させる。
論文参考訳（メタデータ） (2022-06-28T20:13:40Z)
Heterogeneous Data-Centric Architectures for Modern Data-Intensive Applications: Case Studies in Machine Learning and Databases [9.927754948343326]
Processing-in-Memory(PIM)は、現代のアプリケーションにおけるデータ移動のボトルネックを軽減する、有望な実行パラダイムである。本稿では,2つの現代的なデータ集約型アプリケーションに対して,PIMパラダイムの活用方法を示す。
論文参考訳（メタデータ） (2022-05-29T13:43:17Z)
Injecting Domain Adaptation with Learning-to-hash for Effective and Efficient Zero-shot Dense Retrieval [49.98615945702959]
我々は,TAS-B高密度検索器の下流ゼロショット検索精度を向上させるためのLTHおよびベクトル圧縮技術を評価する。以上の結果から, 従来の研究とは異なり, LTH法はゼロショットTAS-B高密度レトリバーを平均14%のnDCG@10で過小評価できることがわかった。
論文参考訳（メタデータ） (2022-05-23T17:53:44Z)
Approximating Aggregated SQL Queries With LSTM Networks [31.528524004435933]
本稿では、近似クエリ処理(AQP)とも呼ばれるクエリ近似法を提案する。我々は、LSTMネットワークを用いて、クエリと結果の関係を学習し、クエリ結果を予測するための高速な推論層を提供する。提案手法では,1秒間に最大12万のクエリを予測でき,クエリのレイテンシは2ms以下であった。
論文参考訳（メタデータ） (2020-10-25T16:17:58Z)
Caching Placement and Resource Allocation for Cache-Enabling UAV NOMA Networks [87.6031308969681]
本稿では,非直交多重アクセス(NOMA)をサポートした大規模アクセス機能を有する無人航空機(UAV)セルネットワークについて検討する。コンテンツ配信遅延最小化のための長期キャッシュ配置と資源配分最適化問題をマルコフ決定プロセス(MDP)として定式化する。そこで我々は,UAVがemphsoft $varepsilon$-greedy戦略を用いて行動の学習と選択を行い,行動と状態の最適な一致を探索する,Qラーニングに基づくキャッシュ配置とリソース割り当てアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-08-12T08:33:51Z)

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。