文献

J-GLOBAL ID：202202236494935910   整理番号：22A0482511

HiveMind:セルラネイティブ機械学習モデル分割に向けて【JST・京大機械翻訳】

HiveMind: Towards Cellular Native Machine Learning Model Splitting

著者 (4件)： Wang Song (Department of Electrical and Computer Engineering, University of California at San Diego, La Jolla, CA, USA) ,  Zhang Xinyu (Department of Electrical and Computer Engineering, University of California at San Diego, La Jolla, CA, USA) ,  Uchiyama Hiromasa (Sony Group Corporation, Tokyo, Japan) ,  Matsuda Hiroki (Sony Group Corporation, Tokyo, Japan)
資料名： IEEE Journal on Selected Areas in Communications  (IEEE Journal on Selected Areas in Communications)
巻： 40  号： 2  ページ： 626-640  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： 今日のモバイル機械学習(ML)アプリケーションの処理負荷の増加は,モバイルユーザ機器(UE)の厳しい計算予算に挑戦する。5Gエッジクラウドの広い展開により,分割MLと呼ばれる新しいMLオフローディング方式を,モバイルUE,エッジ,およびクラウドを横断してMLモデルを分割することによって,計算集約型モバイルMLアプリケーションを可能にするために提供した。しかし,複雑な分割割当問題は,分割MLシステム設計のために新しい課題を提起する。本論文では,HiveMind,第1の実用的なマルチスプリットMLシステムを5Gセルラーネットワークに対して調整した。HiveMindは,複雑な多重分割問題を,最小コストグラフ探索に再定式化し,分散アルゴリズムを最適化し,信号伝送オーバヘッドを大幅に削減する。その低いオーバヘッド特性から利益を得て,HiveMindはリアルタイムで多重計算ノードに関する最適分割決定をして,瞬時ネットワーク動力学に分割決定を適応させる。また,HiveMindは単一MLタスクに対して不均一目的を収容する多目的メカニズムも組み込む。HiveMindは,リカレントニューラルネットワーク(RNN),連合学習(FL),およびマルチエージェント強化学習(MARL)のような非線形モデルを含む広範囲のMLフレームワークに適応する。現実的なトラヒックパターンと実際のMEC計算/通信プロファイルを持つ5G MECネットワークシミュレータ上のHiveMindを評価した。著者らの実験は,HiveMindが最先端の分割ML設計と比較して最適効率を達成することを示した。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： 最適化 ,  システム設計 ,  ネットワーク ,  多重化 ,  信号伝送 ,  応用プログラム ,  定式化 ,  携帯電話 ,  *機械学習 ,  強化学習 ,  分散アルゴリズム
準シソーラス用語： モバイルユーザ ,  オーバヘッド ,  セルラーネットワーク ,  オフローディング , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (2件)： 機械学習 ,  モデル