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。
今日,著者らは,著者らの社会におけるパラダイムシフトを経験し,ここでは,著者らは,自己駆動車,遠隔医療,精密農業またはバーチャルリアリティのような生活変化アプリケーションを促進するコンピュータになっている。一方では,そのような資源要求アプリケーションの実行のために,強力なIT設備が必要である。一方,要求は,しばしば100ms以下の待ち時間,または10ms以下の場合でも,”触覚インターネット”と呼ばれる。低い待ち時間計算を容易にするために,Edgeコンピューティングの概念を利用することによってエンドユーザの近傍に置く必要がある。本論文では,触覚インターネットと組み合わせたEdgeシステムの課題を説明した。地理的に分散した機械学習応用の最近の問題と,機械学習モデルのエネルギー効率と安定性のような競合する優先順位のバランスをとるための新しいアプローチを論じた。クラウドコンピューティングまたは一般的分散システムのために設計された利用可能な故障レジリエンス機構は,タイムライン,ハイパー不均一性および資源不足のため,Edgeシステムに適用できない。したがって,エッジインフラストラクチャ上で冗長に配備されたサービスの故障レジリエンスを評価する新しい機械学習ベースのメカニズムについて議論する。本手法は,エッジサーバ故障間の時空間依存性を学習し,動的Bayesネットワーク(DBN)の概念を利用してリンク故障を組み込むためにトポロジー情報とそれらを結合させる。最終的に,サーバの特定のセットがサービス実行時間の間,同時に失敗するか,断絶する確率を推論する。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】