文献

J-GLOBAL ID：202002290939079322   整理番号：20A2146206

DLASE:エッジデバイスのための深層学習をサポートする軽量フレームワーク【JST・京大機械翻訳】

DLASE: A light-weight framework supporting Deep Learning for Edge Devices

著者 (3件)： Le Minh Khanh-Hoi (Vietnam National University Ho Chi Minh City,University of Information Technology,Ho Chi Minh,Vietnam) ,  Le Kim-Hung (Vietnam National University Ho Chi Minh City,University of Information Technology,Ho Chi Minh,Vietnam) ,  Le-Trung Quan (Vietnam National University Ho Chi Minh City,University of Information Technology,Ho Chi Minh,Vietnam)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SigTelCom  ページ： 103-108  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： モノのインターネット(IoT)の急速な成長により,インターネットに接続された多数の制約付きデバイスがあり,大きなデータ体積の発生をもたらす。深層学習(DL)は,収集したデータからより貴重な知識を抽出するための有望な解決策になったが,IoTデバイスの限られた計算資源のためにDLアルゴリズムを実行するのに苦労した。クラウドコンピューティングの計算電力を劣化させると,デバイスへの処理および応答結果のために,データをクラウドサーバにオフロードすることができた。しかし,このパラダイムは,待ち時間とセキュリティリスクの著しい増加をもたらす。したがって,データソースに近いエッジデバイスに関するDLアルゴリズムを実行する多くの努力があった。DLモデルの多様性と走行環境構成のため,様々なDLシステムをそのようなエッジデバイスに展開する。本論文では,エッジデバイス,すなわちDLASE上でのサービス実行として深層学習を展開するための軽量フレームワークを提案した。本提案の2つの重要な利点があった。第一のものは,エッジデバイスへの様々な深層学習モデルの遠隔展開を可能にすることである。もう1つは,これらのモデルがIoTデバイスからの要求を果たすためのサービスとして実行されることである。DLASEの軽量と柔軟性を実証するために,DLモデルとエッジデバイスの様々な組合せを実行することにより,フレームワーク性能(メモリ,CPU,待ち時間)を実際に評価した。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： アルゴリズム ,  記憶装置 ,  電力 ,  柔軟性 ,  *待ち時間 ,  セキュリティ ,  インターネット
準シソーラス用語： 計算資源 ,  クラウドコンピューティング ,  走行環境 ,  モノのインターネット ,  *深層学習 ,  軽量 ,  クラウドサーバ , 【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 (4件)： エッジ ,  深層学習 ,  軽量 ,  フレームワーク