公司网站建设 阜阳,怎么用vps的linux做网站,著名网页设计师及作品,免费简历制作软件app目录 论文简介动机#xff1a;为什么作者想要解决这个问题#xff1f;贡献#xff1a;作者在这篇论文中完成了什么工作(创新点)#xff1f;规划#xff1a;他们如何完成工作#xff1f;自己的看法(作者如何得到的创新思路) 论文简介 作者 Bingqian Lu、Jianyi Yang、Lydi… 目录 论文简介动机为什么作者想要解决这个问题贡献作者在这篇论文中完成了什么工作(创新点)规划他们如何完成工作自己的看法(作者如何得到的创新思路) 论文简介 作者 Bingqian Lu、Jianyi Yang、Lydia Y. Chen、Shaolei Ren 发表期刊or会议 《IEEE First International Conference on Cognitive Machine Intelligence》(CogMI) 发表时间 2019.12 动机为什么作者想要解决这个问题
先前DNN模型推理只能在云数据中心进行但模型压缩技术的出现使得在资源受限的边缘设备上进行DNN推理成为可能。 推理即将预先训练的模型应用于新数据由于边缘设备具有异构性并且压缩的DNN模型多种多样因此 如何为边缘设备自动选择合适的DNN模型使其推理具有最佳QoE成为挑战。现有的研究要么为所有设备选择通用模型这对于一小部分设备来说是可取的要么针对设备采用特定的DNN压缩但这不可扩展。为了在资源受限的边缘设备进行推理并获得最佳QoE推理准确性并不是唯一的指标。相反所采用的 DNN 模型架构必须以自动化的方式针对特定边缘设备硬件进行定制 (定制模型?还是模型已经训练好了选择出来最合适的模型。答选择模型)并在准确性、延迟和能耗等各种重要指标之间取得最佳平衡 贡献作者在这篇论文中完成了什么工作(创新点)
基于机器学习的预测能力并 让终端用户了解情况(啥意思)。设想了一种设备级的DNN模型选择引擎满足最佳的QoE 基于不同的设备选择模型设备和任务之间有关系吗具体来说将DNN模型选择问题制定为“上下文多臂老虎机框架” 上下文边缘设备和DNN模型的特征 臂预训练的DNN模型(啥意思?) 根据历史记录和用户的QoE反馈进行在线选择 规划他们如何完成工作 利用机器学习技术以可扩展的方式自动选择用于边缘推理的预训练 DNN 模型并满足最佳QoE同时将实际用户体验纳入闭环。 利用在线学习的预测能力通过采用实时在线学习逐步改进 DNN 模型选择 让用户处于闭环状态根据用户对实际 QoE 的反馈DNN 模型选择引擎不断更新“在线 QoE 预测器”和“模型选择器”形成以用户为中间的闭环。
根据上述原则具体分析一下框图中的各个部分
根据“DNN模型的特征”和“设备特征”引擎采用“在线QoE预测器”估计QoE根据预测的QoE引擎为每个边缘设备输出选定的DNN模型DNN模型安装并使用一段时间后会请求“用户的QoE反馈”来更新“在线QoE预测器”并改进未来的DNN模型选择从而形成闭环 自己的看法(作者如何得到的创新思路)
这篇文章并未从网络角度进行节点的选择
