TinyMLOps:広範なエッジAI採用のための運用上の課題【JST・京大機械翻訳】

Leroux Sam; Simoens Pieter; Lootus Meelis; Thakore Kartik; Sharma Akshay

プレプリント

J-GLOBAL ID：202202213063848628 整理番号：22P0307573

TinyMLOps:広範なエッジAI採用のための運用上の課題【JST・京大機械翻訳】

TinyMLOps: Operational Challenges for Widespread Edge AI Adoption

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 (5件)： , , , ,
資料名：
発行年： 2022年03月21日プレプリントサーバーでの情報更新日： 2022年03月27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)

エッジデバイスにおける機械学習アプリケーションの活用は,信頼性,待ち時間およびプライバシーの改善のような明確な利点をもたらすことができるが,それ自身の課題も導入する。ほとんどの研究は,エッジプラットフォームの限られた計算資源に焦点を合わせているが,これは,広範な採用の方法における唯一のボトルネックである。本論文では,エッジデバイスへの応用を操作するときに,TinyMLプラクターが考慮する必要があるいくつかの他の課題をリストした。アプリケーションの監視や管理,MLOpsプラットフォームのための共通の機能性などのタスクに焦点を当て,それらがエッジ展開の分散特性によってどのように複雑になるかを示した。また,モデル知的特性を保護し,その完全性を検証するようなエッジアプリケーションに特有な問題を論じた。【JST・京大機械翻訳】

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

移動通信 , その他の情報処理

, , ,

前のページに戻る