Green Intelligent Edge Computing for Internet of Things

• Material Type: 博士論文
• Title: Green Intelligent Edge Computing for Internet of Things
• Author/Editor: ZHU, Sha
• Author Heading: ZHU, Sha
• Publication Date: 2022-09-26
• Publication Date (W3CDTF): 2022-09-26
• Alternative Title: モノのインターネットのためのグリーンインテリジェントエッジコンピューティング
• Degree grantor/type: 室蘭工業大学
• Date Granted: 2022-09-26
• Date Granted (W3CDTF): 2022-09-26
• Dissertation Number: 甲第500号
• Degree Type: 博士（工学）
• Text Language Code: eng
• Alias of Author: シュ, シャ
• NDC: 007
• Target Audience: 一般
• Note (General): application/pdf; 人工知能（AI）駆動型IoTは、AI分野の深層学習テクノロジーが数十億のIoTデバイスからの膨大な量のデータを効率的に吸収して評価するため、将来のIoTの新たな機会である。ただし、AIタスクを処理するためのエネルギー消費量は、IoT環境の一般的なタスクよりもはるかに高くなる。この論文は、IoTデバイスからのAIタスクを処理する際のエネルギー効率を改善するためのグリーンインテリジェントエッジコンピューティングソリューションを紹介する。IoT向けのグリーンインテリジェントエッジコンピューティングフレームワークの研究には、3つの主要なチャレンジがある。最初のチャレンジは、IoT向けのインテリジェントエッジコンピューティングのインフラストラクチャを構築することである。さらに、提案されたフレームワークのエネルギー消費を最適化するためのスケジューリング戦略も紹介する。2番目のチャレンジは、主に業界のIoT（IIoT）環境におけるインテリジェントエッジコンピューティングフレームワークのエネルギー効率に焦点を当てている。2番目のチャレンジは、エネルギー消費を削減し、AI駆動型IIoTの処理遅延を保証して、深層強化学習ベースのオンラインスケジューリング戦略の効率を示している。最後のチャレンジでは、提案されたインテリジェントエッジコンピューティングフレームワークのアプリケーションを紹介する。これにより、肺がんの早期診断のためのサービス容量が向上できる。; Artificial intelligence (AI) driven IoT is an emerging opportunity for the future IoT since the deep learning technology in the AI area efficiently absorbs and assesses the huge amount of data from billions of IoT devices. However, the energy consumption for processing AI tasks is much higher than general tasks in the IoT environment. This dissertation presents a green intelligent edge computing solution to improve the energy efficiency in processing AI tasks from IoT devices. There are three major challenges in work on the green intelligent edge computing framework for IoT. The first challenge is to build the infrastructure of intelligent edge computing for IoT. Moreover, the first challenge also introduces a scheduling strategy to optimize the energy consumption of the proposed framework. The second challenge mainly focuses on the energy efficiency of the intelligent edge computing framework in the industry IoT (IIoT) environment. The second challenge shows the efficiency of a deep reinforcement learning-based online scheduling strategy in reducing the energy consumption and guaranteeing the processing latency for AI-driven IIoT. Finally, the last challenge introduces an application of the proposed intelligent edge computing framework, which improves the service capacity for early lung cancer diagnosis.
• DOI: 10.15118/00010869; https://doi.org/10.15118/00010869
• Persistent ID (NDL): info:ndljp/pid/12651793; https://dl.ndl.go.jp/pid/12651793
• Collection: 障害者向け資料
• Collection (Materials For Handicapped People:1): テキストデータ
• Collection (particular): 国立国会図書館デジタルコレクション > デジタル化資料 > 博士論文; https://dl.ndl.go.jp/collections/A00014
• Acquisition Basis: 博士論文（自動収集）
• Date Accepted (W3CDTF): 2023-03-02T11:18:11+09:00
• Format (IMT): application/pdf
• Access Restrictions: 国立国会図書館内限定公開
• Service for the Digitized Contents Transmission Service: 図書館・個人送信対象外
• Availability of remote photoduplication service: 可
• Periodical Title (URI): http://dx.doi.org/10.15118/00010869; http://hdl.handle.net/10258/00010869; https://muroran-it.repo.nii.ac.jp/records/10932
• Data Provider (Database): 国立国会図書館 : 国立国会図書館デジタルコレクション; https://dl.ndl.go.jp

• Summary, etc.: 人工知能（AI）駆動型IoTは、AI分野の深層学習テクノロジーが数十億のIoTデバイスからの膨大な量のデータを効率的に吸収して評価するため、将来のIoTの新たな機会である。ただし、AIタスクを処理するためのエネルギー消費量は、IoT環境の一般的なタスクよりもはるかに高くなる。この論文は、IoTデバイ...

Table of Contents

2023-09-07 再収集

2023-09-07 再収集

2023-12-05 再収集

2023-12-05 再収集