OrchNAS: Orchestrated Neural Architecture Search Service for Personalised Federated Edge Intelligence
작성자
카테고리
Empty
저자
Keya Patel, Sajib Mistry, Sheik Mohammad Mostakim Fattah, Aneesh Krishna
💡 개요
본 논문은 이기종 엣지 환경을 위한 서비스 적응형 모델을 자동으로 설계하는 신경망 구조 탐색(NAS) 서비스 기반의 에너지 인식 개인 맞춤형 연합 엣지 인텔리전스 프레임워크인 OrchNAS를 제안합니다. OrchNAS는 서버 측 NAS 서비스를 통해 아키텍처 탐색을 조율하여, 엣지 서비스가 기기 수준의 에너지, 연산, 메모리 제약 조건 하에서 개인 맞춤형 아키텍처를 도출하도록 합니다.
🔑 시사점 및 한계
•
이기종 엣지 환경에서 에너지, 연산, 메모리 제약 조건을 만족하는 개인 맞춤형 신경망 아키텍처를 효율적으로 탐색하고 설계할 수 있는 프레임워크를 제공합니다.
•
에너지 효율성을 극대화하는 글로벌 아키텍처 탐색 및 개인 맞춤형 서브넷 선택 메커니즘을 통해 다양한 엣지 디바이스의 제약을 효과적으로 관리합니다.
•
엄격한 에너지 예산을 준수하면서 서비스 적응형 파라미터를 업데이트하는 에너지 효율적인 개인 맞춤형 모델 최적화 기법을 제안합니다.
•
실제 데이터셋 및 벤치마크 데이터셋 실험을 통해 제안된 방법론의 효과성을 입증하였습니다.
•
(한계점 또는 향후 과제): 제안된 프레임워크의 확장성 및 다양한 엣지 컴퓨팅 시나리오에서의 적용 가능성에 대한 추가적인 연구가 필요할 수 있습니다.
