論文の概要: Sustainable Cloud-Fog-Edge Systems for Smart Buildings: Algorithmic Adaptation under Memory Constraints and Dynamic Orchestration Strategies

• arxiv url: http://arxiv.org/abs/2610.13307v1
• Date: Fri, 09 Oct 2026 09:52:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.512809
• Title: Sustainable Cloud-Fog-Edge Systems for Smart Buildings: Algorithmic Adaptation under Memory Constraints and Dynamic Orchestration Strategies
• Title（参考訳）: スマートビルディングのための持続可能なクラウドフォグエッジシステム:メモリ制約下でのアルゴリズム適応と動的オーケストレーション戦略
• Abstract要約: 本稿では,建物内における自律型・レジリエント型・プライバシ保護システムに対するホリスティックなアーキテクチャとアルゴリズム的アプローチを提案する。 我々は,データバッファを用いた反復学習戦略を導入,比較し,保存を維持するために極端なサンプルのソートと明確な独創性を特徴とする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The escalating environmental footprint of the Information and Communication Technol- ogy (ICT) sectorwith global Data Center electric- ity usage potentially reaching 3% by 2030 and the imperative for real-time responsiveness in smart buildings demand a foundational shift towards Edge Computing. This article proposes a holis- tic architectural and algorithmic approach for cre- ating autonomous, resilient, and privacy-preserving learning systems within smart buildings, advancing the core concept of the building itself as the data center. Our contributions, demonstrating originality compared to conventional centralized systems, are structured around three main pillars: 1) Validation of resilient data acquisition chains using the af- fordable Arduino ecosystem (Uno R4 WiFi/BME280) and secure persistence solutions including centralized archiving (Node-RED/MySQL) and secure remote transfer (Python/rsync/SSH). 2). The proposal of a lightweight, KOptim orchestration framework, inter- operable with the FIWARE standard, for the dynamic management of Service Level Agreements (SLA). 3) The adaptation and experimental valida- tion of the Generalized Hebbian Algorithm (GHA) for Principal Component Analysis (PCA) on low- power microcontrollers,We introduce and compare an iterative learning strategy using data buffers, featuring sorting and explicit preservation of extreme samples to maintain diversity. Experimental results on the high-dimensional Tour Perret sensor data confirm that this novel method, despite introducing a necessary temporal complexity of O(W log W ) due to sorting, achieves convergence and final result quality that is visually equivalent to processing the entire dataset in full memory, reliably identifying two distinct operational states.
• Abstract（参考訳）: 情報通信技術(ICT)分野の環境フットプリントが拡大し、2030年までにグローバルデータセンターの電力利用率が3%に達する可能性があり、スマートな建物におけるリアルタイムの応答性に欠かせないため、エッジコンピューティングへの根本的なシフトが求められている。 本稿では、スマートな建物内における自律的、レジリエンス、プライバシ保護学習システムのためのホリスティックなアーキテクチャとアルゴリズムのアプローチを提案し、その中心となる概念をデータセンターとして推進する。 1) af-fordable Arduinoエコシステム(Uno R4 WiFi/BME280)を用いたレジリエントなデータ取得チェーンの検証と,集中型アーカイブ(Node-RED/MySQL)やセキュアリモート転送(Python/rsync/SSH)を含むセキュアな永続化ソリューションの検証である。 2)。 サービスレベル合意(SLA)の動的管理のために、軽量でKOptimオーケストレーションフレームワークの提案は、FIWARE標準と相互運用可能である。 3)低消費電力マイクロコントローラ上での主成分分析(PCA)のための一般化 Hebbian Algorithm (GHA) の適応と実験的検証を行い,データバッファを用いた反復学習手法を導入,比較し,多様性を維持するために極端なサンプルのソートと明示的な保存を特徴とする。 高次元のTour Perretセンサデータによる実験結果から、ソートによってO(W log W )の時間的複雑さが要求されるにもかかわらず、完全なメモリでデータセット全体を処理するのと視覚的に等価なコンバージェンスと最終的な結果品質を実現し、2つの異なる操作状態を確実に識別できることが確認された。

関連論文リスト

• Continual Learning with Elastic Regularization and Synthetic Replay for Federated MLLM Fine-Tuning [15.445619998280243]
  Federated Continual Multimodal Learning (FedCMM)は、フェデレート最適化ループに継続的学習セーフガードを組み込むフレームワークである。 FedCMMは、精度と後方転送の最近のベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-07-13T19:40:30Z)
• EEVEE: Towards Test-time Prompt Learning in the Real World for Self-Improving Agents [64.96332056338923]
  EEVEEは、LLMエージェントのための最初のマルチデータセットテスト時プロンプト学習フレームワークである。 実世界のタスクストリーム下でテスト時のプロンプト学習を可能にする。 EEVEEはQwen3-4B-InstructとDeepSeek-V3.2で平均マルチベンチマークスコアを10.38点、24.32点改善している。
  論文  参考訳（メタデータ） (2026-06-09T17:57:16Z)
• The Impact of Federated Learning on Distributed Remote Sensing Archives [0.5833117322405447]
  地球観測ミッションでは5ペタバイト以上の画像が蓄積され、多くの地理的に分散したプラットフォームに格納され、処理されている。 中央集権的な方法で機械学習モデルをトレーニングすることは、データボリューム、主権の制約、地理的分布のために現実的ではない。 フェデレートラーニング(FL)は、データをローカルに保持し、モデル更新のみを交換することで、この問題に対処する。
  論文  参考訳（メタデータ） (2026-04-13T14:46:20Z)
• Adaptive Dual-Weighting Framework for Federated Learning via Out-of-Distribution Detection [53.45696787935487]
  Federated Learning (FL)は、大規模分散サービスノード間の協調的なモデルトレーニングを可能にする。 実世界のサービス指向デプロイメントでは、異種ユーザ、デバイス、アプリケーションシナリオによって生成されたデータは本質的にIIDではない。 FLoodは、オフ・オブ・ディストリビューション(OOD)検出にインスパイアされた新しいFLフレームワークである。
  論文  参考訳（メタデータ） (2026-02-01T05:54:59Z)
• Sentinel: Dynamic Knowledge Distillation for Personalized Federated Intrusion Detection in Heterogeneous IoT Networks [8.372066229809386]
  フェデレーテッド・ラーニング(FL)は機械学習のプライバシ保護パラダイムを提供するが、IoTネットワーク内の侵入検知システム(IDS)におけるその応用は、厳しいクラス不均衡、非IIDデータ、高い通信オーバーヘッドに悩まされている。 本稿では、各クライアントにデュアルモデルアーキテクチャを組み込んだ、個人化されたIDSフレームワークであるSentinelを提案する。 この設計は、コンパクトな学生モデルのみを送信することでクライアントプライバシを保ちながら、効率的なグローバルモデルコンセンサスとの深い局所適応を効果的にバランスさせ、通信コストを低減させる。
  論文  参考訳（メタデータ） (2025-10-27T05:32:48Z)
• Knowledge-Informed Neural Network for Complex-Valued SAR Image Recognition [51.03674130115878]
  本稿では,新しい「圧縮集約圧縮」アーキテクチャ上に構築された軽量なフレームワークであるKnowledge-Informed Neural Network(KINN)を紹介する。 KINNはパラメータ効率の認識における最先端を確立し、データスカースとアウト・オブ・ディストリビューションのシナリオにおいて例外的な一般化を提供する。
  論文  参考訳（メタデータ） (2025-10-23T07:12:26Z)
• Exploring Efficient Open-Vocabulary Segmentation in the Remote Sensing [55.291219073365546]
  Open-Vocabulary Remote Sensing Image (OVRSIS)は、OVS(Open-Vocabulary)をリモートセンシング(RS)ドメインに適応させる新しいタスクである。 textbfRSKT-Segは、リモートセンシングに適した新しいオープン語彙セグメンテーションフレームワークである。 RSKT-Segは高いOVSベースラインを+3.8 mIoUと+5.9 mACCで上回り、効率的なアグリゲーションによって2倍高速な推論を実現している。
  論文  参考訳（メタデータ） (2025-09-15T15:24:49Z)
• VAE-based Feature Disentanglement for Data Augmentation and Compression in Generalized GNSS Interference Classification [42.14439854721613]
  干渉の正確な分類を可能にする重要な潜伏特徴を抽出するために, アンタングル化のための変分オートエンコーダ (VAE) を提案する。 提案するVAEは512から8,192の範囲のデータ圧縮率を実現し,99.92%の精度を実現している。
  論文  参考訳（メタデータ） (2025-04-14T13:38:00Z)
• No-Reference Image Quality Assessment with Global-Local Progressive Integration and Semantic-Aligned Quality Transfer [6.095342999639137]
  視覚変換器(ViT)を用いたグローバル特徴抽出器と畳み込みニューラルネットワーク(CNN)を用いた局所特徴抽出器を組み合わせた二重測定フレームワークを開発した。 多様な画像コンテンツの品質スコアを主観的な意見スコアで自動的にラベル付けすることで、トレーニングデータを拡張するセマンティック・アライン・クオリティ・トランスファー手法を提案する。
  論文  参考訳（メタデータ） (2024-08-07T16:34:32Z)
• Joint Sensing, Communication, and AI: A Trifecta for Resilient THz User Experiences [118.91584633024907]
  テラヘルツ(THz)無線システムに対する拡張現実(XR)体験を最適化するために、新しい共同センシング、通信、人工知能(AI)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-29T00:39:50Z)
• Learning to Continuously Optimize Wireless Resource in a Dynamic Environment: A Bilevel Optimization Perspective [52.497514255040514]
  この研究は、データ駆動メソッドが動的環境でリソース割り当て戦略を継続的に学び、最適化することを可能にする新しいアプローチを開発しています。 学習モデルが新たなエピソードに段階的に適応できるように、連続学習の概念を無線システム設計に組み込むことを提案する。 我々の設計は、異なるデータサンプルにまたがる公平性を保証する、新しい二段階最適化定式化に基づいている。
  論文  参考訳（メタデータ） (2021-05-03T07:23:39Z)

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。