文献

J-GLOBAL ID：202202251375305246   整理番号：22A1094960

IoTのための高速エッジクラウド協調知能のためのCNNの結合圧縮と分割【JST・京大機械翻訳】

Joint compressing and partitioning of CNNs for fast edge-cloud collaborative intelligence for IoT

著者 (4件)： Zhang Wanpeng (College of Intelligence Science and Technology, National University of Defense Technology, Changsha, China) ,  Wang Nuo (Department of Computer Science and Technology, East China Normal University, Shanghai, China) ,  Li Liying (Department of Computer Science and Technology, East China Normal University, Shanghai, China) ,  Wei Tongquan (Department of Computer Science and Technology, East China Normal University, Shanghai, China)
資料名： Journal of Systems Architecture  (Journal of Systems Architecture)
巻： 125  ページ： Null  発行年： 2022年 
JST資料番号： A0883A  ISSN： 1383-7621  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 人工知能(AI)は,高速応答のためのインターネット(IoT)における膨大な量のデータを実時間で処理するために広く適用されてきた。しかし,AIモデルを展開するための従来のアプローチは,圧倒的な計算と通信オーバヘッドを課す。本論文では,IoTアプリケーションにおける高速応答のための畳込みニューラルネットワーク(CNN)モデルを共同圧縮し,分割する新しいエッジクラウド協調知能方式を提案した。提案手法は,その出力が非加速層よりも小さいので,候補分割として役立つ新しい層を生成するために,加速技術を用いてCNNを最初に加速する。次に,CNNモデルにおける各層に対する実行待ち時間を正確に推定し,最適分割を見つけるための細粒予測モデルを設計した。提案方法は圧縮CNNモデルを最適分割に従って2つの部分に分割する。得られた2つの部品は,それぞれエッジデバイスとクラウドで配置され,深いCNNモデルの精度を損なうことなく,全体の待ち時間を協調的に最小化する。著者らの知る限り,これは,実行待ち時間と通信待ち時間の両方を考慮した高速エッジクラウド協調知能のためのCNNモデルを共同圧縮し,分割する最初の研究である。実験結果は,提案した技術が5つのベンチマーク法と比較して,待ち時間を73.14%まで低減できることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 時間 ,  人工知能 ,  通信 ,  応用プログラム ,  モデル ,  *待ち時間 ,  インターネット ,  予測モデル
準シソーラス用語： ベンチマーキング ,  高速応答 ,  実時間 ,  通信オーバーヘッド ,  *モノのインターネット ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： エッジクラウド協調知能 ,  CNN加速 ,  CNN分割 ,  IoT

分類 (3件)： 計算機網  (JC03000K) ,  計算機システム開発  (JD02010R) ,  制御方式  (JC02030K)

タイトルに関連する用語 (6件)： IoT ,  エッジ ,  クラウド ,  協調 ,  知能 ,  CNN