检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

1 篇 会议

馆藏范围

1 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

1 篇 工学
- 1 篇 计算机科学与技术...
- 1 篇 软件工程

主题

1 篇 autoencoder, clo...

机构

1 篇 free univ bozen ...
1 篇 univ leicester c...
1 篇 univ leicester c...
1 篇 univ derby coll ...

作者

1 篇 liotta antonio
1 篇 ali muhammad k.
1 篇 reiff-marganiec ...
1 篇 ndubuaku marylee...
1 篇 anjum ashiq

语言

1 篇 英文

检索条件"主题词=Autoencoder, Cloud Computing, Deep Learning, Dimensionality Reduction, Edge Computing"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

edge-enhanced analytics via latent space dimensionality reduction 7

Edge-enhanced analytics via latent space dimensionality redu...

引用

7th IEEE/ACM International Conference on Big Data computing, Applications and Technologies (BDCAT)

作者： Ndubuaku, Maryleen U. Ali, Muhammad K. Anjum, Ashiq Liotta, Antonio Reiff-Marganiec, Stephan Univ Leicester Coll Sci & Engn Leicester Leics England Univ Leicester Coll Sci & Engn Derby England Free Univ Bozen Bolzano Fac Comp Sci Bozen Bolzano Italy Univ Derby Coll Engn & Technol Derby England

ISBN: (纸本)9780738123967

With the Internet of Things technology, almost any remote sensing devices, wearables, and smart objects are equipped to transmit large volumes of data in continuous streams. In conventional cloud-centric analytics, all the raw data is transferred to a data centre and processed in real-time, near real-time, or in batches. However, this approach is usually not very responsive to real-time analytics due to the latency in transmission alongside network traffic, bandwidth and data transmission costs. To tackle this, edge-enhanced analytics ensures that raw data can be preprocessed at the edge and sent across the network channel in a more compact form. A specific category of deep learning model, autoencoder, can help to achieve this by transforming high-dimensional data into compact representation. We propose an edge-enhanced framework which deploys a deep autoencoder model on the network edge for data compression. After training of models in the cloud, the encoder part of the autoencoder is deployed on the edge for data reduction while the decoder remains on the cloud to reconstruct the data for an image classification task on the cloud. We applied supervised fine-tuning using the intrinsic dimensionality of the data to achieve an accuracy that surpasses the baseline cloud model. The solution was explored in the context of an image recognition problem using the MNIST and FASHION-MNIST datasets. The framework was validated on an event simulator to estimate the network savings of the proposed method in terms of bandwidth and latency. The edge-enhanced approach saves up to 74% bandwidth compared to the centralised analytics. In addition, real-time analytics is further improved by taking 25% less time to complete the task.

关键词： autoencoder, cloud computing, deep learning, dimensionality reduction, edge computing

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：