通过选择性边缘执行改进物联网分析
网络与互联网体系结构
2020-03-10 v1 机器学习
摘要
大量新兴物联网应用依赖机器学习例程来分析数据。在用户设备上执行此类任务可改善响应时间并节省网络资源。然而，由于功耗和计算限制，设备往往无法支持此类资源密集型例程，且无法准确执行分析。本工作中，我们提议通过利用边缘基础设施来改进分析性能。我们设计了一种算法，使物联网设备能够在本地执行其例程；仅当预测将获得显著性能提升时，才将其外包给微云服务器。该算法采用近似对偶次梯度方法，对系统参数的统计特性做出最小假设。我们的分析表明，所提算法能智能利用微云，适应业务需求。
引用
@article{arxiv.2003.03588,
title = {Improving IoT Analytics through Selective Edge Execution},
author = {A. Galanopoulos and A. G. Tasiopoulos and G. Iosifidis and T. Salonidis and D. J. Leith},
journal= {arXiv preprint arXiv:2003.03588},
year = {2020}
}
备注
7 pages, 6 figures. This paper has been accepted for publication in the Proceedings of IEEE International Conference on Communications (ICC) 2020