文献

J-GLOBAL ID：201702275605280188   整理番号：17A1277645

移動エッジコンピューティングにおける分散学習の精度とネットワークコスト間の最適トレードオフ:解析的アプローチ【Powered by NICT】

Optimal trade-off between accuracy and network cost of distributed learning in Mobile Edge Computing: An analytical approach

著者 (3件)： Valerio Lorenzo (Institute for Informatics and Telematics, National Research Council, Pisa, Italy) ,  Passarella Andrea (Institute for Informatics and Telematics, National Research Council, Pisa, Italy) ,  Conti Marco (Institute for Informatics and Telematics, National Research Council, Pisa, Italy)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： WoWMoM  ページ： 1-9  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： インターネットのエッジ(例えば,IoTまたはパーソナルモバイル機器により)で発生した生データからの知識抽出のための最も広く採用されている手法は,大域的なクラウドプラットフォームである,データはデバイスから収集し,分析されている。しかし,物理的環境に広がる素子数の増加と共に,この方法はいくつかの懸念を上昇する。霧と移動エッジコンピューティングの基盤の一つであるデータ重力概念はデータ解析のための計算の分散を示し,後者はデータが発生するに近い行い,スケーラビリティとプライバシーの二つの理由である。装置によって得られたデータは,手法の一つに従って処理される可能性がある:(i)雲で収集した(ii)デバイスに直接,または(iii)霧/移動端コンピューティング技法を通した,すなわち,ネットワーク内の中間ノードで,データのサブセットを収集後の分散分析を行っている。明らかに,(i)と(ii)は,(iii)の二つの極端な例であった。ネットワークにおける異なる収集点で同じ分析タスクは,ネットワーク上のトラフィックの観点における異なるコストになることは注目に値する。正確には,これらのコストは,収集点選択(例えばエッジまたは雲)に対するデータを動かすために生成したトラヒック分散分析プロセスにより誘起された1に関連している。これまで,目標精度を得て,ネットワークトラフィックを最小化するための中間収集点を使用する場合,一つはすべきかを決定する,未解決の問題である。本論文では,この問題に対処できる分析フレームワークを提案した。正確に,学習課題を考察し,収集点のセットで実施した学習課題の精度に関連し,対応するネットワークトラヒックモデルを定義した。全ネットワークコストを最小にするためにモデルを同定し,学習問題の仕様(例えば二値分類,回帰など),及びその目標精度,データ収集のための最適レベルは何に用いることができる。シミュレーションにおいて,筆者らのモデルによって中間収集のレベルにおいては,この問題設定において目標精度のための最小コストをもたらすことを示すために,シミュレーションにより本モデルを検証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *ネットワーク ,  部分集合 ,  *学習 ,  データ解析 ,  インターネット ,  分散分析 ,  プライバシー ,  データ収集
準シソーラス用語： 二値分類 ,  学習課題 ,  ネットワークトラフィック ,  知識抽出 ,  モバイルデバイス ,  モノのインターネット ,  *分散学習 , 【Automatic Indexing@JST】

分類 (3件)： その他の情報処理  (JE15050M) ,  計算機システム開発  (JD02010R) ,  計算機網  (JC03000K)

タイトルに関連する用語 (4件)： エッジコンピューティング ,  分散学習 ,  トレードオフ ,  解析