ترجمه مقاله محاسبات و ارتباطات شناختی: راه حل مکمل برای محاسبه ابری در حوزه اینترنت اشیا – نشریه IEEE
عنوان فارسی: | محاسبات و ارتباطات شناختی: راه حل مکمل برای محاسبه ابری در حوزه اینترنت اشیا |
عنوان انگلیسی: | Cognitive Computation and Communication: A Complement Solution to Cloud for IoT |
تعداد صفحات مقاله انگلیسی : 9 | تعداد صفحات ترجمه فارسی : 23 (2 صفحه رفرنس انگلیسی) |
سال انتشار : 2016 | نشریه : آی تریپل ای - IEEE |
فرمت مقاله انگلیسی : pdf | فرمت ترجمه مقاله : pdf و ورد تایپ شده با قابلیت ویرایش |
فونت ترجمه مقاله : بی نازنین | سایز ترجمه مقاله : 14 |
نوع مقاله : ISI | نوع ارائه مقاله : کنفرانس |
ایمپکت فاکتور(IF) مجله : 0.652 در سال 2020 | شاخص H_index مجله : 14 در سال 2021 |
شاخص SJR مجله : 0.183 در سال 2020 | شناسه ISSN مجله : 2162-1039 |
کد محصول : 11459 | وضعیت ترجمه : انجام شده و آماده دانلود در فایل ورد و pdf |
محتوای فایل : zip | حجم فایل : 3.05Mb |
رشته و گرایش های مرتبط با این مقاله: مهندسی فناوری اطلاعات و کامپیوتر، اینترنت و شبکه های گسترده، رایانش ابری |
کنفرانس: کنفرانس بین المللی فناوری های پیشرفته ارتباطات - International Conference on Advanced Technologies for Communications |
دانشگاه: دانشگاه پاریس ساکلی ، فرانسه |
کلمات کلیدی: مفهوم COGNICOM، اینترنت اشیا (IOT)، موتور شناختی، اتصال هوشمند، یادگیری عمیق، شتابدهنده CNN، CNN فشرده، نظریه بازی، امواج رادیویی تغییرپذیر، گذرگاه برنامه کاربردی هوشمند |
کلمات کلیدی انگلیسی: COGNICOM - IoT - cognitive engine - smart connectivity - deep learning - CNN accelerator - compressed CNN - game theory - flexible radio - smart application gateway |
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است ✓ |
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه شده است ✓ |
وضعیت ترجمه منابع داخل متن: به صورت عدد درج شده است ✓ |
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است ✓ |
ضمیمه: ندارد ☓ |
بیس: نیست ☓ |
مدل مفهومی: ندارد ☓ |
پرسشنامه: ندارد ☓ |
متغیر: ندارد ☓ |
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله |
رفرنس در ترجمه: در انتهای مقاله درج شده است |
doi یا شناسه دیجیتال: https://doi.org/10.1109/ATC.2016.7764778 |
چکیده
1. مقدمه
II. مفهوم COGNICOM+
III. پیادهسازی COGNICOM+
IV. روند پژوهش
A. امواج رادیویی تغییرپذیر
B. شتابدهنده CNN
C. CNN عمیق فشرده
D. استدلال و هماهنگی در نظریه بازی
V. نتیجهگیری
Abstract
The Internet of Thing (IoT) is experiencing explosive growth in the number of devices and applications. However, the existing cloud-centric architecture of IoT poses serious challenges regarding network latency, privacy, and energy-efficiency. We have presented COGNICOM+ concept, a brain-inspired software-hardware paradigm, to support IoT's future growth and developed 4 research directions - flexible radio, convolutional neural network accelerator, compressed deep learning, and game theory for reasoning and collaboration - within COGNICOM+. The key idea is to bring computing closer to the end-user while focusing on optimal uses of local smart application gateway and cloud computing. COGNICOM+ consists of two key components: Cognitive Engine (CE) and Smart Connectivity (SC). The cognitive engine is powered by deep-learning algorithms integrated with game-theoretic decision analytics, implemented on a low-power application-specific integrated circuit. It provides cognitive functions to smart objects. The smart connectivity integrates neural network inspired designs of cognitive radio, transceivers, and baseband processors. The SC provides flexible and reliable connections to IoT objects and optimally distributes communication resources.
I. INTRODUCTION
In the next decades, Internet of Things (IoT), the interconnected networks of physical objects embedded with electronics, software, sensors, and connectivity will revolutionize how we work, live, exercise, entertain, and travel. IoT is experiencing explosive growth in both quantities (20.8 billion IoT devices by 2020 [1]) and utility with increasingly important applications in healthcare, military operations, transportation, and urban planning [2]. However, IoT faces several major growing challenges. First, incorporating appropriate intelligence and smart connectivity into IoT objects requires a computing paradigm that exceeds the current computing capabilities of smart phones and portables [3].
V. CONCLUSION
The existing cloud-centric architecture of IoT poses serious challenges regarding cognitive capacity, connectivity, safety, privacy, flexibility, latency, and energy-efficiency. We have presented the COGNICOM+ concept, a brain-inspired software-hardware paradigm, to support IoT’s future growth. Consisting of the cognitive engine and the smart connectivity, COGNICOM+ brings computing closer to end-user and focuses on optimal uses of local SAG and cloud computing. The CE is powered by deep learning algorithms integrated with game-theoretic decision analytics, implemented on low power ASICs. It provides cognitive functions to smart objects.
چکیده
کاربرد اینترنت اشیا (IOT) در برنامههای کاربردی و تجهیزات، رشد افزایش قابلتوجهی دارد. به هر حال، معماری کنونی ابر-محور در حوزه IOT، چالشهای مهمی را در ارتباط با زمان بیکاری (یا نهفتگی) شبکه، حریم خصوصی، و بازده انرژی مطرح میکند. ما در اینجا مفهوم COGNICOM+را که به عنوان الگوی سختافزاری-نرمافزاری الهام گرفته از مغز است معرفی میکنیم تا به پشتیبانی از پیشرفت آینده اینترنت اشیا پرداخته و بدینترتیب چهار مسیر پژوهشی را گسترش میدهیم- که عبارتند از امواج رادیویی تغییرپذیر، شتابدهنده شبکه عصبی پیچشی، یادگیری عمیق فشرده، و نظریه بازی به منظور استدلال و همکاری در COGNICOM+. ایده اصلی در اینجا اینست تا روند محاسبه را برای کاربر نهایی سادهتر کرده و در عین حال تمرکز را روی کاربرد بهینه گذرگاه برنامه کاربری هوشمند و محاسبات ابری قرار دهیم. COGNICOM+، از دو موئلفه کلیدی تشکیل شده است که عبارتند از: موتور شناختی (CE) و اتصال هوشمند (SC) . توان موتور شناختی از طریق الگوریتمهای یادگیری عمیق در ترکیب با تحلیلگر تصمیم نظریه بازی حاصل میشود که روی جریان حداقلی یکپارچه برنامه کاربردی خاص پیاده سازی میشود. این اتصال هوشمند به ادغام طرحهای شبکه عصبی رادیو شناختی، دستگاههای فرستنده و گیرنده، و پردازشگرهای باند پایه، میپردازد. اتصال هوشمند (SC)، باعث ایجاد ارتباطات تغییرپذیر و قابلاطمینان در اهداف اینترنت اشیا شده و باعث توزیع منابع ارتباط بصورت بهینه میگردد.
1. مقدمه
در دهههای آینده، اینترنت اشیا (IOT) که به عنوان شبکههای به هم متصل اشیا فیزیکی بر مبنای الکترونیک، نرمافزار، حسگرها است، منجر به تحول در سبک کار، زندگی، ورزش، تفریح، و سفر میگردد. IOT دارای رشد قابل توجهی از نظر کمیت (به عنوان نمونه 20.8 میلیارد دستگاه متصل به اینترنت اشیا تا سال 2020 [1]) و همچنین از لحاظ کاربردی در بهداشت، عملیات نظامی، حمل و نقل، و برنامهریزی شهری، است [2]. به هر حال، IOT با چندین چالش مهم رو به رشد، مواجه است. ابتدا اینکه، ادغام اطلاعات کافی و اتصال هوشمند در اشیا IOT، نیازمند یک الگوی محاسباتی است که فراتر از قابلیتهای محاسباتی تلفنهای هوشمند و دستگاههای پرتابل [3] است.
V. نتیجهگیری
طرح کنونی ابر-محور در حوزه IOT، چالشهای جدی را در ارتباط با ظرفیت شناختی، اتصال، امنیت، حریم خصوصی، انعطافپذیری، نهفتگی، و بازده انرژی مطرح میکند. ما در اینجا به معرفی مفهوم COGNICOM+ میپردازیم که به عنوان یک الگوی سختافزاری و نرمافزاری الهامگرفته از مغز انسانی بوده، تا به پشتیبانی از رشد آینده IOT بپردازیم. مفهوم COGNICOM+، که متشکل از موتور شناختی و اتصال هوشمند است، روند محاسبه را به کاربر نهایی نزدیک کرده و تمرکزش را روی کاربردهای بهینه SAG محلی و محاسبات ابری قرار میدهد. CE (یا موتور شناختی) ، توان خود را از طریق الگوریتمهای یادگیری عمیق بدست میآورد که با تحلیل تصمیم نظریه بازی ادغام شده، و روی ASICهای کممصرف پیادهسازی میشوند. این موتورهای شناختی، نقشهای شناختی را برای اهداف هوشمند ایجاد میکنند.