Tinyman:エネルギーハーベスティングウェアラブルIoTデバイスのための強化学習を用いた軽量エネルギー管理者【JST・京大機械翻訳】

Basaklar Toygun; Tuncel Yigit; Ogras Umit Y.

プレプリント

J-GLOBAL ID：202202218900861397 整理番号：22P0291909

Tinyman:エネルギーハーベスティングウェアラブルIoTデバイスのための強化学習を用いた軽量エネルギー管理者【JST・京大機械翻訳】

tinyMAN: Lightweight Energy Manager using Reinforcement Learning for Energy Harvesting Wearable IoT Devices

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18日プレプリントサーバーでの情報更新日： 2022年03月18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)

低電力エレクトロニクスと機械学習技術の進歩は,多くの新しいウェアラブルIoTデバイスにつながる。これらのデバイスは,限られた電池容量と計算力を持っている。したがって,環境源からのエネルギーハーベスティングは,これらの低エネルギーウェアラブルデバイスを電力する有望な解決策である。エネルギー中立運転を達成するためには,収穫エネルギーを最適に管理する必要がある。最適エネルギー管理は,収穫エネルギーの動的性質と目標デバイスの電池エネルギー制約により,挑戦的な仕事である。この課題に取り組むために,資源制約ウェアラブルIoTデバイスのための強化学習ベースエネルギー管理フレームワーク,小型MANを提示した。このフレームワークは,動的エネルギーハーベスティングパターンと電池制約の下でターゲットデバイスの利用を最大化する。さらに,小型MANは,予測フリーアプローチになる収穫エネルギーの予測に依存しない。100KB以下の小さなメモリフットプリントのため,MicrosorFlow Liteを用いて,ウェアラブルデバイスプロトタイプに小型MANを配置した。著者らの評価は,小さなMANが以前のアプローチと比較して45%高いユーティリティを維持しながら,2.36msと27.75μJ未満を達成することを示した。【JST・京大機械翻訳】

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

通信網 , 太陽電池 , エネルギー変換装置

, , ,

前のページに戻る