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】