抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
モノ環境のインターネットでは,様々なクライアントの能力は,ネットワークと知能化の方向で開発されている。知能のそれにデータの収集と表示のみのそれとクライアントの能力を開発するためにどのように重要な課題となっている。近年,機械学習はクライアント知能化における代表的な技術となっており,現在大きな関心を引きつけている。機械学習においては,データ前処理と訓練を含む大量の計算は,実質的な計算資源を必要とするが,軽量クライアントは,通常,強力な計算能力を持っていない。この問題を解決するために,我々はクライアント知能化フレームワークのための透明な計算(TC)の利点を導入し,透明学習(TL)と名付けた増分機械学習フレームワークを提案し,訓練タスクは,軽量クライアントからサーバとエッジ素子にした。訓練後,クライアントに伝達され,追加学習で更新される試験モデル。本研究では,性能を最適化するために訓練集合を分割するために設計されているキャッシュ戦略。性能評価事例として深層学習を選択し,フレームワークの有効性を実証するためにいくつかのTensorFlowベース実験を行った。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】