Community-Oriented Edge Computing Platform
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Democratizing the edge by capitalizing the underutilized computational resources of end devices, referred to as Extreme Edge Devices (EEDs), can foster various IoT applications. In this paper, we propose the Community Edge Platform (CEP). CEP is the first platform that exploits business, institutional, and social relationships to build communities of requesters and EEDs to eliminate recruitment costs and preserve privacy in EED-enabled environments. CEP promotes service-for-service exchange and utilizes a hierarchical control paradigm to prioritize the enrollment of nearby devices as workers. CEP also considers the fact that community-imposed constraints can lead to unbalanced work distribution. To alleviate this issue, we propose the Community-Oriented Resource Allocation (CORA) scheme. CORA accounts for community restrictions and strives to minimize the execution time and makespan while retaining a reasonable scheduler runtime. Towards that end, we formulate the resource allocation problem as a Bipartite Graph Matching problem. Comprehensive qualitative evaluations demonstrate the superiority of CEP compared to 12 prominent edge computing platforms in terms of various system architecture and performance features. Additionally, extensive simulations show that CORA outperforms six prominent resource allocation schemes by up to 44% and 7% in terms of makespan and execution time, respectively, while achieving a much faster runtime, outperforming the best of the six baseline resource allocation schemes by a factor of six.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,008 | 0,009 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle