رد کردن پیوندها

Edge Computing

موضوع پروژه:
تاریخ شروع پروژه:

1399

مدت زمان اجرا:

9 ماه

مجری

معاونت متولی:

راهکارهای دیجیتال و هوشمندسازی

معرفی

روند اصلی الگوریتم­‌های یادگیری ماشین در چندسال گذشته استفاده از مدل­‌های عظیم و با اتکا به جمع­‌آوری نمونه­‌های فراوان برای یادگیری و نیز منابع حجیم محاسباتی بوده است. حجم برخی از این مدل­‌ها به 17 میلیارد پارامتر می­‌رسد و توان مصرفی برای آموزش آن‌ها حتی می‌تواند به مصرف انرژی یک خودرو در یک سال برسد. این حجم از پیچیدگی در عین حال که نتایج شگفت‌­انگیزی داشته است، کاربرد آن­‌ها را در وسایل و ابزارهای با توان پردازشی کم، محدود کرده است. از جمله این وسایل می­‌توان تلفن­‌های همراه، حسگرهای اینترنت اشیا و نیز دوربین­‌های هوشمند را نام برد. راه­‌حل ناگریز موجود، اتصال این وسایل به شبکه و واگذاری وظیفه محاسبات به شبکه­‌های پردازشگر ابری بوده است که مخاطراتی به همراه دارد. از جمله این مخاطرات می­‌توان به موارد زیر اشاره کرد:
  • قطع سرویس در صورت عدم دسترسی به اینترنت
  • ایجاد بار مخابراتی بالا و تحمیل هزینه مخابراتی و محاسباتی به کاربر
  • تأخیر در پردازش که در مواردی مثل وسایل نقلیه خودران می‌تواند خطر­آفرین باشد.
  • تهدید حریم خصوصی که در مواردی مانند کاربرهای پزشکی می‌تواند حساس باشد.

هدف

هدف از اجرای این طرح انجام محاسبات به صورت محلی در لبه شبکه و با دقت بالا می‌باشد. در این مسیر مقالات و کارهای انجام شده بررسی  و برخی از آن‌ها را شبیه‌سازی و سپس بر روی Raspberry Pi و یا سخت‌افزارهای مشابه پیاده‌سازی خواهد شد. همچنین الگوریتم‌های موجود را با نگاه تحلیلی بهبود خواهیم داد. تکنیک‌های مورد استفاده مشخصا محاسبات تقریبی تصادفی نااریب مبتنی بر کوانتیزیشن برداری تصادفی نااریب Probabilistic vector quantization unbiased و نیز Probabilistic unbiased count sketch  بوده است.

ضرورت

دستاوردها

تهیه گزارش‌هایی در خصوص موضوعات ذیل:
  • طراحی معماری سلسله مراتبی پلتفرم اینترنت اشیا بر بستر ابر
  • پژوهش در حوزه شبکه‌سازی بین فعالان حوزه فناوری اطلاعات و ارتباطات سیار
  • ارائه خدمات با کیفیت در بستری امن با عنایت به ملاحضات امنیت
  • مباحث رگولاتوری در عصر حاضر

حوزه های قابل بهره برداری