지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.49 No.3
- 발행연도
- 2022.3
- 수록면
- 256 - 260 (5page)
- DOI
- 10.5626/JOK.2022.49.3.256
이용수
초록· 키워드
오류제보하기
컴퓨팅 자원이 부족한 디바이스에 연산량이 많은 딥 러닝 애플리케이션을 실행하기 위해 주변에 있는 서버에 연산을 오프로딩하는 엣지 컴퓨팅 기술이 제안되었다. 그러나 딥 러닝 연산을 오프로딩하기 위해서는 서버에 모델을 먼저 업로드해야 하는 단점이 있다. 이를 해결하기 위해 모델을 점진적으로 전송하는 동시에 서버가 클라이언트 연산을 대신 수행하는 점진적 오프로딩 시스템이 제안되었다[1]. 점진적 오프로딩 시스템은 오프로딩에 걸리는 시간을 크게 단축했으나, 모델 구축 시간을 고려하지 않아서 전체 모델 업로드 시간이 늘어나는 단점이 있었다. 본 논문은 모델 구축과 모델 업로드의 병렬 최적화를 통해 기존 시스템의 문제점을 해결해서 기존 시스템 대비 전체 모델 업로드 시간을 최대 30% 개선했다.
목차
요약
Abstract
1. 서론
2. 기존 점진적 오프로딩 시스템과 문제점
3. 병렬적 모델 구축
4. 실험 결과
5. 결론
References
참고문헌 (4)
참고문헌 신청
H. J. Jeong, H. J. Lee, C. H. Shin, and S. M. Moon, "IONN: Incremental offloading of neural network computations from mobile devices to edge servers," Proc. of the ACM Symposium on Cloud Computing, pp. 401-411, Oct. 2018.
F. Bonomi, R. Milito, J. Zhu, and S. Addepalli, "Fog computing and its role in the internet of things," Proc. of the first edition of the MCC workshop on Mobile cloud computing, pp. 13-16, Aug. 2012.
Shin, K. Y., Jeong, H. J., and Moon, S., M,, "Enhanced Partitioning of DNN Layers for Uploading from Mobile Devices to Edge Servers," The 3rd International Workshop on Deep Learning for Mobile Systems and Applications, pp. 35-40, Jun. 2019.
Jia, Y., Shelhamer, E., Donahue, J., Karayev, S., Long, J., Girshick, R., ... and Darrell, T, "Caffe: Convolutional architecture for fast feature embedding," Proc. of the 22nd ACM international conference on Multimedia, pp. 675-678, Nov. 2014.
F. Bonomi, R. Milito, J. Zhu, and S. Addepalli, "Fog computing and its role in the internet of things," Proc. of the first edition of the MCC workshop on Mobile cloud computing, pp. 13-16, Aug. 2012.
Shin, K. Y., Jeong, H. J., and Moon, S., M,, "Enhanced Partitioning of DNN Layers for Uploading from Mobile Devices to Edge Servers," The 3rd International Workshop on Deep Learning for Mobile Systems and Applications, pp. 35-40, Jun. 2019.
Jia, Y., Shelhamer, E., Donahue, J., Karayev, S., Long, J., Girshick, R., ... and Darrell, T, "Caffe: Convolutional architecture for fast feature embedding," Proc. of the 22nd ACM international conference on Multimedia, pp. 675-678, Nov. 2014.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
엣지 컴퓨팅 환경에서의 딥 러닝 연산 오프로딩의 병렬 최적화
한국정보과학회 학술발표논문집
2020 .07
-
엣지 컴퓨팅 환경에서의 연산 오프로딩을 위한 이동경로 예측
한국정보과학회 학술발표논문집
2019 .12
-
Mobile Edge Computing for Dynamic Computation Offloading
한국통신학회 학술대회논문집
2022 .06
-
저궤도 위성 엣지 컴퓨팅 시스템을 위한 예측 정보 기반 연산 오프로딩 기법
한국통신학회 학술대회논문집
2024 .06
-
커넥티드 머신을 위한 통신-컴퓨팅 융합 기술
한국통신학회논문지
2022 .04
-
모바일 음성 언어 처리에서의 연산 오프로딩의 기작 및 효율성 분석
한국통신학회 학술대회논문집
2022 .06
-
딥러닝 애플리케이션의 캐싱 및 오프로딩을 지원하는 엣지 서버의 설계 및 구현
한국정보과학회 학술발표논문집
2020 .12
-
모바일 엣지 컴퓨팅 환경에서 작업 오프로딩을 통한 에너지 효율성 증대
한국컴퓨터정보학회 학술발표논문집
2019 .01
-
모바일 엣지 컴퓨팅에서 계층적 부하 분산을 위한 분산형 오프로딩 기법
한국정보통신학회논문지
2023 .02
-
Computation Offloading in Satellite Edge Computing - A Reinforcement Learning Approach
한국통신학회 학술대회논문집
2021 .02
-
딥러닝 기반 드론 원격센싱에서 에너지 소모 최소화를 위한 연산 오프로딩
한국정보과학회 학술발표논문집
2020 .07
-
오프로딩 환경을 위한 신경망 전송-연산 연동 기법
한국통신학회 학술대회논문집
2022 .11
-
Delay-aware Computation Offloading Based-on Task Segmentation for IIoT System
한국통신학회 학술대회논문집
2019 .11
-
위성 엣지 컴퓨팅 환경에서의 안전한 코드 오프로딩 기법
한국통신학회 학술대회논문집
2024 .06
-
모바일 엣지 컴퓨팅 환경에서 종속 태스크를 위한 다중 목적 계산 오프로딩 알고리즘
정보과학회 컴퓨팅의 실제 논문지
2021 .02
-
엣지 컴퓨팅 환경에서 웹 어플리케이션 연산 오프로딩을 위한 스냅샷 기반 커스터마이징
한국정보과학회 학술발표논문집
2018 .06
-
인공신경망 추론연산 오프로딩 과정에서의 프라이버시 보호 기술
한국정보과학회 학술발표논문집
2017 .06
-
무선 엣지 네트워크에서의 컴퓨팅 자원 할당 및 작업 오프로딩 기법
한국통신학회 학술대회논문집
2020 .08
-
멀티 엣지 네트워크에서 협업 엣지컴퓨팅을 위한 심층강화학습 기반 분산 오프로딩 정책 연구
한국산업정보학회논문지
2024 .10
-
엣지 클러스터 구조의 차량 오프로딩 시스템에서 강화학습을 활용한 부하 분산 알고리즘
한국통신학회논문지
2024 .08
이 논문의 저자 정보
최근 본 자료
댓글(0)
0