モバイルエッジクラウド連続体における効率的な分散DNN【JST・京大機械翻訳】

Malandrino Francesco; Chiasserini Carla Fabiana; Di Giacomo Giuseppe

プレプリント

J-GLOBAL ID：202202211268105986 整理番号：22P0293961

モバイルエッジクラウド連続体における効率的な分散DNN【JST・京大機械翻訳】

Efficient Distributed DNNs in the Mobile-edge-cloud Continuum

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月23日プレプリントサーバーでの情報更新日： 2022年11月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

モバイルエッジクラウド連続体では,不均一データソースと計算可能ノードが豊富である。このようなノードは,学習コントローラ(しばしばネットワークエッジに位置する)により支援された分散学習タスクを実行するために協調できる。制御装置は,(i)データ選択,即ち,データソースを使用するためのデータ選択に関する決定を行うのに必要である。(ii)モデル選択,即ち,機械学習モデルが採用され,(iii)モデルと利用可能な物理ノードの間のマッチング。これらのすべての決定は,かなりの程度としばしば対直感的な方法で互いに影響する。本論文では,上記の側面の全てを扱う問題を定式化し,また,学習品質と待ち時間制約を受けるエネルギー消費を最小化するために,前述の決定を共同方法で作成することを目的として,右Trainと呼ばれる解概念を提示する。右Trainは,システムおよび遅延意識Steinerツリーの拡張グラフ表現を,時間複雑性を低く保ちながら,証明可能な近最適解を得るために利用した。特に,多項式時間で実行され,その決定は,2(1+ε)の競合比を示し,最先端の解を50%以上凌駕する。本アプローチを実世界実装を通して検証した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

計算機網 , 人工知能

前のページに戻る