JP6900853B2 - デバイス連携サーバおよびデバイス連携プログラム - Google Patents
デバイス連携サーバおよびデバイス連携プログラム Download PDFInfo
- Publication number
- JP6900853B2 JP6900853B2 JP2017174254A JP2017174254A JP6900853B2 JP 6900853 B2 JP6900853 B2 JP 6900853B2 JP 2017174254 A JP2017174254 A JP 2017174254A JP 2017174254 A JP2017174254 A JP 2017174254A JP 6900853 B2 JP6900853 B2 JP 6900853B2
- Authority
- JP
- Japan
- Prior art keywords
- service
- function
- layer
- network
- usage history
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Information Transfer Between Computers (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Description
Tacit Computingでは、クラウドレイヤ、ネットワークレイヤ、デバイスレイヤの3層の中から、ユーザへのサービスに適切なリソースを発見し連携することにより、そのユーザのリクエストに応えサービスを継続する(図7の符号a)。また、3層の構成のうち、時々刻々変化する状況に対応するため、データが発生する現場に近いデバイスレイヤにおいてできるだけ処理を行うようにする(図7の符号b)。より低いレイヤで処理を行うことにより、ネットワークトラフィックの削減や(図7の符号c)、プライバシー性の高いデータの流出を抑えることができる(図7の符号d)。
ライブデータ検索技術は、ユーザにとって必要なデータを提供するデバイスを検索するための技術である。IoTサービスの例として、橋等の施設にセンサを複数設置し、劣化状況等をモニタリングするサービスがある。この場合、劣化状況が急激に進むとは考えられないため、数時間等の周期で複数点でのセンサデータをクラウドに上げ、劣化状況の変化を統計ソフトや機械学習により分析すればよい。これに対し、定点のカメラに映った人物に対して、情報案内や警告アラート等を行うサービスの例では、数秒程度しかカメラに人物は映らないし、また、その人物が写ったカメラの映像しかその人物には意味のないデータといえる。このように、デバイスレイヤで発生し、時々刻々変化するようなデータをライブデータと呼ぶ。
例えば、駅伝予選会に友人が参加しており、その友人が写ったカメラの映像を自動で繋いで欲しいとする。この場合、例えば友人のゼッケン番号を検索キーとしてリクエストすると、Tacit Computingでは、カメラを収容するゲートウェイやネットワークエッジに、OpenCV等の画像分析機能を配置する。そして、カメラに近い場所で映像を分析することにより、友人のゼッケン番号が画像分析により抽出され、友人が映っているカメラを特定することができる。このようにして、Tacit Computingにおいてライブデータ検索技術が用いられる。
例えば、上記した例であれば、カメラ映像の取得のような共通のリクエストを元に、カメラを収容するゲートウェイ等で、デバイス毎のアダプタを設けておきプロトコル等の変換を行った上で、個々のカメラに応じたリクエストを行う。このようなデバイス仮想化技術を用いることにより、ユーザはデバイス個々の違いを意識せず、そのデバイスの利用が可能となる。
図1は、本実施形態に係るデバイス連携サーバ1を含むTacit Computingシステムを示す図である。
本実施形態に係るTacit Computingシステムは、図7に示した従来のTacit Computingの構成に加え、デバイス連携サーバ1を含むことを特徴とする。デバイス連携サーバ1は、クラウドレイヤ、ネットワークレイヤ、デバイスレイヤの3層に位置する各装置と通信可能に接続され、ユーザが所望するサービスを実現するための各種機能の配置や処理オフロードの最適化を行う装置である。
第1実施形態は、最適化をデバイスレイヤにおいて実行する例である。
第1実施形態に係るデバイス連携サーバ1A(図2参照)を含むTacit Computingシステムでは、最適化期間中に収集した利用履歴に基づき、デバイスレイヤにおいてサービス提供のために使用するデバイスを特定するとともに、その特定したデバイスが属するエリアのゲートウェイ10(図1参照)に、そのサービスを実現するための機能を配置する(機能配置する)ことを特徴とする。
このデバイス連携サーバ1Aは、図2に示すように、制御部11と、入出力部12と、記憶部13とを含んで構成される。
この記憶部13には、デバイス情報DB131および配信機能情報DB132が記憶されるとともに、制御部11の各機能を実行させるためのプログラム(デバイス連携プログラム)や、制御部11の処理に必要な情報(例えば、デバイスの利用履歴)が一時的に記憶される。
また、配信機能情報DB132には、デバイス連携サーバ1Aが、利用するデバイスを収容するゲートウェイ10に配置する機能(処理プログラム)が格納される。例えば、追跡カメラのサービスであれば、OpenCV等の画像分析機能を実現する処理プログラムが格納される。
また、この制御部11は、例えば、記憶部13に格納されたプログラム(デバイス連携プログラム)を不図示のCPU(Central Processing Unit)が、RAMに展開し実行することにより実現される。
また、位置情報取得部111は、最適化期間中において、位置情報取得部111が取得した位置情報を、デバイス選択部112に出力する。
なお、機能配信部115は、最適化期間中において、デバイス選択部112が選択したデバイスを収容するゲートウェイ10に対し、配信機能情報DB132に格納された機能(処理プログラム)を抽出して配信するようにし、当該ゲートウェイ10のうち、機能配置先決定部114において、分析機能を配置するエリアのゲートウェイ10として決定されなかったゲートウェイ10の分析機能を削除するようにしてもよい。
よって、分析機能が不必要なエリアのゲートウェイ10に対し機能配置する必要がない。これにより、不必要なトラフィックの増大を防ぎ、通信コストを削減することができる。また、利用されないデバイスのみを収容するゲートウェイ10については、不必要な処理に伴うサーバコストを削減することができる。これにより、第1の実施形態に係るデバイス連携サーバ1Aによれば、IoTデバイスを動的に発見し利用するサービスを、継続してリーズナブルに提供することが可能となる。
第2実施形態は、最適化をネットワークレイヤにおいて実行する例である。
第2実施形態に係るデバイス連携サーバ1B(図3参照)を含むTacit Computingシステムでは、最適化期間中に収集した利用履歴に基づき、デバイスレイヤにおいてサービス提供のために使用するデバイスを特定するとともに、その特定したデバイスが属するエリアのゲートウェイ10と接続されるネットワークレイヤに属するネットワークエッジ20(図1参照)に、そのサービスを実現するための機能を配置する(機能配置する)ことを特徴とする。
なお、ネットワークエッジ20は、NGN(Next Generation Network)であれば、アクセスネットワークとコアネットワークとを接続するエッジルータであり、例えば、SSE(Subscriber Service Edge)等である。
図2において示したデバイス連携サーバ1Aとの違いは、機能配置先決定部114、機能配信部115が、図3のデバイス連携サーバ1Bでは、機能配置先決定部114B、機能配信部115Bとなっている点である。なお、デバイス連携サーバ1Aと同様の機能を備える構成については、同一の名称と符号を付し説明を省略する。
なお、機能配置先決定部114Bは、情報指向ネットワーク(コンテンツ指向ネットワーク)の技術を用いて、利用されたデバイスの属するエリアのゲートウェイ10に隣接するエッジルータを抽出し、分析機能を配置するネットワークエッジ20として決定するようにしてもよい。なお、情報指向ネットワークについては、例えば、非特許文献2(朝枝 仁、「情報指向ネットワークがもたらす可能性と研究課題」、情報通信研究機構研究報告、Vol.61 No.2、2015)に詳しい。
なお、機能配信部115Bは、最適化期間中において、デバイス選択部112が選択したデバイスを収容するゲートウェイ10に接続するネットワークエッジ20に対し、配信機能情報DB132に格納された機能(処理プログラム)を抽出して配信するようにし、機能配置先決定部114Bにおいて、分析機能を配置するネットワークエッジ20として決定されなかったネットワークエッジ20の分析機能を削除するようにしてもよい。
よって、サービス提供するために使用するデバイスが属するエリアのゲートウェイ10に機能配置できない場合であっても、当該ゲートウェイ10に接続するネットワークエリアのネットワークエッジ20に機能配置することができる。また、分析機能が不要な他のネットワークエッジ20に対し機能配置する必要をなくすことができる。これにより、不必要なトラフィックの増大を防ぎ、通信コストを削減することができる。また、利用されないデバイスのみを収容するゲートウェイ10に接続するネットワークエッジ20については、不必要な処理に伴うサーバコストを削減することができる。これにより、第2の実施形態に係るデバイス連携サーバ1Bによれば、IoTデバイスを動的に発見し利用するサービスを、継続してリーズナブルに提供することが可能となる。
第2実施形態の変形例として、サービスの特性に応じて、ネットワークレイヤにおいて、帯域確保や優先制御等のネットワーク設定を実行する機能を備えるようにしてもよい。例えば、図3で示したデバイス連携サーバ1Bの構成に、図4に示すように、ネットワーク設定部116を追加して備えさせ、デバイス連携サーバ1Cとして構成する。
このネットワーク設定部116が、サービスを提供するに際しての帯域確保や優先制御をネットワークレイヤにおいて設定する。例えば、NGNであれば、RACF(Resource and Admission Control Function)により帯域確保の機能を実現する。
このようにすることにより、デバイス連携サーバ1Cは、最適化期間の利用履歴に基づき、サービスを提供するためのネットワーク設定も行うことが可能となる。
第3実施形態は、最適化をクラウドレイヤにおいて実行する例である。
第3実施形態に係るデバイス連携サーバ1D(図5参照)を含むTacit Computingシステムでは、最適化期間中に収集した利用履歴に基づき、デバイスレイヤにおいてサービス提供のために使用するデバイスを特定するとともに、その特定したデバイスが属するエリアのゲートウェイ10またはそのゲートウェイ10に接続されるネットワークレイヤに属するネットワークエッジ20に、サービスを実現するための機能を配置する(機能配置する)。さらに、デバイス連携サーバ1Dは、利用頻度が多いデバイスを収容するネットワークエッジ20との遅延が少ないDC30(図1参照)の選択し、そのDC30のクラウドサーバにおいて処理機能のリソースサイズを確保することを特徴とする。
図2において示したデバイス連携サーバ1Aとの違いは、機能配置先決定部114、機能配信部115が、図5のデバイス連携サーバ1Dでは、機能配置先決定部114D、機能配信部115Dとなっている点と、新たにリソース確保処理部117が備わる点である。なお、デバイス連携サーバ1Aと同様の機能を備える構成については、同一の名称と符号を付し説明を省略する。
なお、ここで機能配信部115Dが配信する処理プログラムは、例えば、追跡カメラのサービスであれば、追跡対象となる人物(子供)を画像認識(例えば、顔認識)する機能に加えて、画像認識して追跡対象となる人物(子供)が映っていると判定した映像をサマライズして特徴ベクトルを抽出する処理を実行する機能を備える。
リソース確保処理部117は、確保するリソースサイズについて、サービスに応じて予め設定しておいたリソースサイズを確保するようにしてもよいし、必要なリソースサイズとして初期値を定めておき、リソースの利用状況に応じて所定値を増加するように設定してもよい。
第3実施形態の変形例について説明する。
図6は、本発明の第3実施形態の変形例に係るデバイス連携サーバ1Eの構成例を示す機能ブロック図である。図5において示したデバイス連携サーバ1Dとの違いは、オフロード設定部118をさらに備えている点である。なお、デバイス連携サーバ1Dと同様の機能を備える構成については、同一の名称と符号を付し説明を省略する。
手法1においては、デバイス連携サーバ1Eの記憶部13内に、行列計算等の特定処理のロジックを、GPUやFPGA等のへトロデバイスにオフロードするパターンとして予め記憶しておく。そして、オフロード設定部118は、ユーザからのリクエストに特定処理が含まれていた場合、記憶部13内に記憶したパターン(オフロードの処理記述、例えばOpenCL等)を抽出しクラウドサーバに対して設定を行う。
手法2は、特定処理における繰り返し文を、オフロード設定部118がGPU等のへトロデバイスにオフロードする最適化をその場で行う手法である。GPU等による処理の高速化には、適切な領域の並列化が必要であり、自律的に適切な領域を抽出するため、例えば、遺伝的アルゴリズム(GA:Genetic Algorithm)等の手法が用いられる。遺伝的アルゴリズム(以下、「GA」と称する。)の手法により、特定処理の繰り返し文の並列可否を検証環境で試行反復し、抽出された最適並列領域を、PGIコンパイラ等(PGIは登録商標)により並列領域として指定する。これにより、オフロード設定部118は、コンパイラを用いてオフロード設定を行う。以下、GPUにオフロードする場合を例に、より詳細に説明する。
ただし、この高速化には適切な部分(アプリケーションの処理の一部)の並列化が必要であり、単純に繰り返しの部分を並列処理しただけでは性能がでない場合がある。この点に関し、PGIコンパイラを用いて、for文の並列可否を総当たりで最適化する試みがある。しかしながら、総当たりには多くの時間がかかり、クラウド事業では、ユーザの利用開始が遅くなってしまう問題があった。
このGAは、生物の進化過程を模倣した組合せ最適化手法の一つであり、初期化、評価、選択、交叉、突然変異、終了判定というフローで処理を進める。ここでは、Simple GAの手法を用いる例で説明する。Simple GAは、遺伝子を1,0のみとし、ルーレット選択、一点交叉、突然変異は1か所の遺伝子の値を逆にする等、単純化されたGAである。
評価では、遺伝子に該当するソースコードをビルドして検証用クラウドサーバにデプロイし、ベンチマーク性能測定を行う。そして、性能が良い遺伝子の適合度を高く設定する。
選択では、適合度に基づいて、高い適合度の遺伝子を所定の個体数選択する。ここでは、適合度に応じたルーレット選択および最高適合度遺伝子のエリート選択を行う。
交叉では、所定の交叉率Pcで、選択された個体間において一部の遺伝子である一点で交換し、子の個体を作成する。
突然変異では、所定の突然変異率Pmで、個体の遺伝子の各値を、0から1、または、1から0に変更する。
終了判定では、所定の世代数であるT回、繰り返し処理を行った後で終了し、最高適合度の遺伝子を解とする。
そして、オフロード設定部118は、最高適合度の遺伝子に該当する、最高性能のソースコードのパターンで、リソース確保処理部117が配置を決定したクラウドサーバにデプロイする。
デバイス連携サーバ1は、このコストと性能をパラメータとして保持し、処理機能をどこに配置し、どこのリソースを確保するのが適切かについて、「コストが所定値以下になるような制約条件で性能を大きくする」、「性能が所定値以上になるような制約条件でコストを小さくする」を目的として組合せ最適化問題を解くことにより、機能配置とリソース確保を行うようにする。
なお、この組合せ最適化問題を、限られた最適化期間中に解を発見できるようにするため、遺伝的アルゴリズム(GA)の手法を用いてもよい。
10 ゲートウェイ
11 制御部
12 入出力部
13 記憶部
20 ネットワークエッジ
30 DC(データセンタ)
111 位置情報取得部
112 デバイス選択部
113 利用履歴収集部
114,114B,114D 機能配置先決定部
115,115B,115D 機能配信部
116 ネットワーク設定部
117 リソース確保処理部
118 オフロード設定部
131 デバイス情報DB
132 配信機能情報DB
Claims (7)
- クラウドレイヤ、ネットワークレイヤ、デバイスレイヤの3層から、リソースを選択してサービスを提供させるデバイス連携サーバであって、
前記サービスの提供に際して、利用するリソースを決定するために設けられる所定の試用期間を示す最適化期間において、前記デバイスレイヤに属する各デバイスの前記サービスに関する利用履歴を収集する利用履歴収集部と、
収集された前記利用履歴を参照し、前記クラウドレイヤ、前記ネットワークレイヤ、前記デバイスレイヤの3層の一つないし複数を、前記サービスに関する機能の配置先として決定する機能配置先決定部と、
前記サービスに関する機能を、前記決定した3層の一つないし複数のレイヤに配信するとともに、前記配置先として決定されなかったレイヤにおいて、前記サービスに関する機能を削除する機能配信部と、
を備えることを特徴とするデバイス連携サーバ。 - クラウドレイヤ、ネットワークレイヤ、デバイスレイヤの3層から、リソースを選択してサービスを提供させるデバイス連携サーバであって、
前記サービスの提供に際して、利用するリソースを決定するために設けられる所定の試用期間を示す最適化期間において、前記デバイスレイヤに属する各デバイスの前記サービスに関する利用履歴を収集する利用履歴収集部と、
収集された前記利用履歴を参照し、前記最適化期間中に利用されたデバイスが属するエリアのゲートウェイを、前記サービスに関する機能の配置先として決定する機能配置先決定部と、
前記サービスに関する機能を、決定した当該ゲートウェイに配信するとともに、前記配置先として決定されなかったゲートウェイの前記サービスに関する機能を削除する機能配信部と、
を備えることを特徴とするデバイス連携サーバ。 - クラウドレイヤ、ネットワークレイヤ、デバイスレイヤの3層から、リソースを選択してサービスを提供させるデバイス連携サーバであって、
前記サービスの提供に際して、利用するリソースを決定するために設けられる所定の試用期間を示す最適化期間において、前記デバイスレイヤに属する各デバイスの前記サービスに関する利用履歴を収集する利用履歴収集部と、
収集された前記利用履歴を参照し、前記最適化期間中に利用されたデバイスが属するエリアのゲートウェイに接続される前記ネットワークレイヤのネットワークエッジを、前記サービスに関する機能の配置先として決定する機能配置先決定部と、
前記サービスに関する機能を、決定した当該ネットワークエッジに配信するとともに、前記配置先として決定されなかったネットワークエッジの前記サービスに関する機能を削除する機能配信部と、
を備えることを特徴とするデバイス連携サーバ。 - 前記決定したネットワークエッジが属するネットワークにおいて、前記サービスの提供に関する帯域確保および優先制御を含むネットワーク設定を実行させるネットワーク設定部を、
さらに備えることを特徴とする請求項3に記載のデバイス連携サーバ。 - クラウドレイヤ、ネットワークレイヤ、デバイスレイヤの3層から、リソースを選択してサービスを提供させるデバイス連携サーバであって、
前記サービスの提供に際して、利用するリソースを決定するために設けられる所定の試用期間を示す最適化期間において、前記デバイスレイヤに属する各デバイスの前記サービスに関する利用履歴を収集する利用履歴収集部と、
収集された前記利用履歴を参照し、前記最適化期間中に利用されたデバイスが属するエリアのゲートウェイ、または、当該ゲートウェイに接続される前記ネットワークレイヤのネットワークエッジを、前記サービスに関する機能の配置先として決定する機能配置先決定部と、
前記サービスに関する機能を、当該決定したゲートウェイまたはネットワークエッジに配信するとともに、当該決定したゲートウェイまたはネットワークエッジ以外のゲートウェイおよびネットワークエッジにおいて、前記サービスに関する機能を削除する機能配信部と、
収集された前記利用履歴を参照し、前記最適化期間中に利用頻度が最も多いデバイスを収容するネットワークエッジを抽出し、前記抽出したネットワークエッジとの間の遅延が最も少ないクラウドのクラウドサーバの処理機能をデプロイし、当該処理機能に必要なリソースサイズを確保するリソース確保処理部と、
を備えることを特徴とするデバイス連携サーバ。 - クラウドレイヤ、ネットワークレイヤ、デバイスレイヤの3層から、リソースを選択してサービスを提供させるデバイス連携サーバであって、
前記サービスの提供に際して、利用するリソースを決定するために設けられる所定の試用期間を示す最適化期間において、前記デバイスレイヤに属する各デバイスの前記サービスに関する利用履歴を収集する利用履歴収集部と、
収集された前記利用履歴を参照し、前記最適化期間中に利用されたデバイスが属するエリアのゲートウェイ、または、当該ゲートウェイに接続される前記ネットワークレイヤのネットワークエッジを、前記サービスに関する機能の配置先として決定する機能配置先決定部と、
前記サービスに関する機能を、当該決定したゲートウェイまたはネットワークエッジに配信する機能配信部と、
収集された前記利用履歴を参照し、前記最適化期間中に利用頻度が最も多いデバイスを収容するネットワークエッジを抽出し、前記抽出したネットワークエッジとの間の遅延が最も少ないクラウドのクラウドサーバの処理機能をデプロイし、当該処理機能に必要なリソースサイズを確保するリソース確保処理部と、を備え、
前記クラウドレイヤは、GPUとCPUのヘテロデバイスを備えるヘテロクラウドにより構成されており、
前記クラウドサーバにデプロイする処理機能の一部である特定処理を前記GPUにオフロードするオフロード設定部をさらに備え、
前記オフロード設定部は、遺伝的アルゴリズムに基づき、
前記デプロイする処理機能を実現するアプリケーションのソースコードを分析し、前記GPUの並列可否を試行する繰り返し処理の文の数から遺伝子長を定めて、所定の個体数の遺伝子を作成し、
前記繰り返し処理の文について、前記GPUで並列処理するか、または、前記GPUで並列処理しないかを、遺伝子値として前記遺伝子に該当する前記ソースコードに割り当て、検証用クラウドサーバにデプロイすることにより性能測定を行い、
前記性能測定の結果に基づき、各遺伝子の適合度を設定し、
設定した適合度の値が高い遺伝子を所定の個体数選択し、
所定の交叉率で、選択された個体間において一部の遺伝子である一点で交換し、子の個体を作成し、
所定の突然変異率で、当該作成した個体の遺伝子の各遺伝子値を変更し、
前記遺伝的アルゴリズムの処理を、所定の世代数繰り返し、最高適合度に該当するソースコードを解として算出し、前記クラウドサーバにデプロイさせること
を特徴とするデバイス連携サーバ。 - コンピュータを、請求項1乃至請求項6のいずれか1項に記載のデバイス連携サーバとして機能させるためのデバイス連携プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017174254A JP6900853B2 (ja) | 2017-09-11 | 2017-09-11 | デバイス連携サーバおよびデバイス連携プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017174254A JP6900853B2 (ja) | 2017-09-11 | 2017-09-11 | デバイス連携サーバおよびデバイス連携プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019049905A JP2019049905A (ja) | 2019-03-28 |
JP6900853B2 true JP6900853B2 (ja) | 2021-07-07 |
Family
ID=65906284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017174254A Active JP6900853B2 (ja) | 2017-09-11 | 2017-09-11 | デバイス連携サーバおよびデバイス連携プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6900853B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102391506B1 (ko) * | 2019-10-14 | 2022-04-28 | 주식회사 엘지유플러스 | 단말기 제어 관리 시스템 및 그 제어방법 |
WO2021095241A1 (ja) | 2019-11-15 | 2021-05-20 | 三菱電機株式会社 | エッジ機器連携システム、エッジ機器連携方法及びプログラム |
JP7310918B2 (ja) * | 2019-11-29 | 2023-07-19 | 日本電信電話株式会社 | ソフトウェア配置システム、ソフトウェア配置装置、ソフトウェア配置方法およびプログラム |
WO2024069837A1 (ja) * | 2022-09-29 | 2024-04-04 | 楽天モバイル株式会社 | サービスを複数のエンティティで実行させるためのネットワーク管理 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1155324A (ja) * | 1997-07-31 | 1999-02-26 | Fujitsu Ltd | コンピュータネットワークの通信システム |
US20070297344A1 (en) * | 2006-06-21 | 2007-12-27 | Lockheed Martin Corporation | System for determining an optimal arrangement of servers in a mobile network |
-
2017
- 2017-09-11 JP JP2017174254A patent/JP6900853B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019049905A (ja) | 2019-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Deep reinforcement scheduling for mobile crowdsensing in fog computing | |
Rajavel et al. | IoT-based smart healthcare video surveillance system using edge computing | |
JP6900853B2 (ja) | デバイス連携サーバおよびデバイス連携プログラム | |
US11048444B2 (en) | Grouping devices as a virtual device for providing better quality of device data | |
US20220044120A1 (en) | Synthesizing a singular ensemble machine learning model from an ensemble of models | |
Zhang et al. | Blockchain-based collaborative edge intelligence for trustworthy and real-time video surveillance | |
CN109086140A (zh) | 在区块链中进行数据处理的方法、装置及存储介质 | |
CN106161342A (zh) | 安全应用的动态优化 | |
US20230077451A1 (en) | Identifying upgrades to an edge network by artificial intelligence | |
CN115914392A (zh) | 算力网络资源调度方法及*** | |
Eyckerman et al. | Requirements for distributed task placement in the fog | |
Raj et al. | Edge/Fog Computing Paradigm: The Concept, Platforms and Applications. | |
Sivan et al. | Proximity‐based cloud resource provisioning for deep learning applications in smart healthcare | |
Shao et al. | IoT‐Pi: a machine learning‐based lightweight framework for cost‐effective distributed computing using IoT | |
Jain et al. | An edge computing paradigm for time-sensitive applications | |
CN109416688A (zh) | 用于灵活的高性能结构化数据处理的方法和*** | |
Machida et al. | Performability analysis of adaptive drone computation offloading with fog computing | |
Chen et al. | Agile services provisioning for learning-based applications in fog computing networks | |
Xu et al. | Edge Video Analytics: A Survey on Applications, Systems and Enabling Techniques | |
US10735891B1 (en) | Cognitively controlling data delivery | |
Dong et al. | EdgeMove: Pipelining device-edge model training for mobile intelligence | |
JP2022067642A (ja) | マイクロサービス識別を向上させるためにリファクタリングを識別および優先順位付するためのコンピュータシステム、コンピュータプログラムおよび方法(マイクロサービス識別を向上させるためにリファクタリングを識別および優先順位付するための方法およびシステム) | |
US20220141196A1 (en) | Patterned and correlated electrical activity | |
US20220067450A1 (en) | Determining system performance without ground truth | |
WO2021106176A1 (ja) | ソフトウェア配置システム、ソフトウェア配置装置、ソフトウェア配置方法、拠点コンピュータおよびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190826 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200624 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201110 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201222 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210518 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210531 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6900853 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |