文献
J-GLOBAL ID:202202213554254431   整理番号:22A0482508

5Gネットワークにおける増分学習のための費用効果およびスキューを意識したデータスケジューリング【JST・京大機械翻訳】

Cost-Efficient and Skew-Aware Data Scheduling for Incremental Learning in 5G Networks
著者 (6件):
資料名:
巻: 40  号:ページ: 578-595  発行年: 2022年 
JST資料番号: A0908B  ISSN: 0733-8716  CODEN: ISACEM  資料種別: 逐次刊行物 (A)
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:
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。
5Gネットワークにおける新しい応用を促進するために,モバイルネットワークオペレータは,制御と予測に関して多くのネットワーク機能を提供するであろう。最近,それらは機械学習(ML)の電力を認識し,それらのネットワーク機能を容易にする可能性を探索することを始めた。それにもかかわらず,ネットワーク機能に対する現在のMLモデルは,しばしばオフラインで導出され,これは,遠隔ML訓練クラウドに膨大な量のデータセットを送信する過度のオーバヘッドのため,非効率であり,連続モデル更新のための増分学習能力の提供に失敗する。代替解決策として,参照5Gネットワークアーキテクチャ内の増分学習フレームワークであるCocktailを提案した。訓練されたモデル精度を増加させる間,コスト効率を達成するためには,効率的なオンラインデータスケジューリング政策が不可欠である。この目的のために,オンラインデータスケジューリング問題を定式化し,長期展望から訓練労働者の容量不均一性に起因するデータスキュー問題を緩和しながら,フレームワークコストを最適化した。確率的勾配降下を利用して,スキュー意識データ収集とデータ訓練のための新しいグラフ構築に基づく2つの最適ポリシーを含むオンライン漸近最適アルゴリズムを考案した。小規模テストベッドと大規模シミュレーションは,提案フレームワークの優れた性能を検証した。Copyright 2022 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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。
, 【Automatic Indexing@JST】
分類 (4件):
分類
JSTが定めた文献の分類名称とコードです
電話・データ通信・交換一般  ,  無線通信一般  ,  移動通信  ,  計算機網 

前のページに戻る