文献

J-GLOBAL ID：202002265505756519   整理番号：20A1707826

エッジにおける予測診断のための機械学習:IIoT実用例【JST・京大機械翻訳】

Machine Learning for Predictive Diagnostics at the Edge: an IIoT Practical Example

著者 (4件)： Bellavista Paolo ((DISI) University of Bologna Viale del Risorgimento,Computer Science and Engineering Dept.,Bologna,Italy,2-40136) ,  Penna Roberto Della ((DISI) University of Bologna Viale del Risorgimento,Computer Science and Engineering Dept.,Bologna,Italy,2-40136) ,  Foschini Luca ((DISI) University of Bologna Viale del Risorgimento,Computer Science and Engineering Dept.,Bologna,Italy,2-40136) ,  Scotece Domenico ((DISI) University of Bologna Viale del Risorgimento,Computer Science and Engineering Dept.,Bologna,Italy,2-40136)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICC  ページ： 1-7  発行年： 2020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： 産業モノのインターネット(IIoT)は,ショップフロアからのデータ収集のために,Edgeコンピューティングがますます不可欠になっている。中心(雲)から分布(エッジノード)へのシフトは,IoTからリアルタイムビッグデータを扱う能力を強化する。さらに,これらのパラダイムは,IoTデバイスに近いネットワークのエッジにおける移動ストレージとネットワーク資源を可能にし,その結果,低待ち時間,高帯域幅,および位置ベース認識を確実にする。本研究は,IIoT環境におけるデータ収集,スマート処理,および製造制御システムのための参照アーキテクチャの開発を目的とする。特に,著者らのアーキテクチャは,ネットワークエッジにおいて,データ解析と人工知能(AI)技術,特に分散と分散ハイブリッド双晶をサポートする。さらに,エッジデバイスを局所MLモデルを学習し,それらをエッジに保存することにより,分散マシン学習(ML)を持つ可能性を主張した。さらに,エッジは,クラウドに向けて強化局所モデル(異なるショップフロアで保存)を送ることによって,グローバルモデル(クラウドで保存)を改善する可能性を有した。本論文では,著者らのアーキテクチャ提案を記述し,エッジ可能IIoTインフラストラクチャに展開された予測診断事例研究を示した。報告された実験結果は,クラウドインフラストラクチャでのオフラインアプローチを使用する代わりに,IoTからのリアルタイムデータを用いることによって,動的モデル強化のために提案されたアプローチを使用する潜在的利点を示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 双晶 ,  *学習 ,  生産管理 ,  ネットワーク ,  ダイナミックモデル ,  人工知能 ,  待ち時間 ,  インフラストラクチャー ,  事例研究 ,  データ収集 ,  計算機アーキテクチャ ,  *機械学習
準シソーラス用語： ネットワーク資源 ,  モノのインターネット ,  ビッグデータ , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： エッジ ,  予測 ,  診断 ,  機械学習 ,  IIoT