Distributed Inference for Energy-efficient Monitoring at the Network Edge

Informazioni relative al progetto

DIME

ID dell’accordo di sovvenzione: 101062011

DOI

10.3030/101062011

Progetto chiuso

Data della firma CE 19 Maggio 2022

Data di avvio 1 Giugno 2022

Data di completamento 31 Maggio 2024

Finanziato da

• Marie Skłodowska-Curie Actions (MSCA)

Costo totale

Nessun dato

Contributo UE

€ 181 152,96

Coordinato da

FUNDACION IMDEA NETWORKS
Spain

CORDIS fornisce collegamenti ai risultati finali pubblici e alle pubblicazioni dei progetti ORIZZONTE.

I link ai risultati e alle pubblicazioni dei progetti del 7° PQ, così come i link ad alcuni tipi di risultati specifici come dataset e software, sono recuperati dinamicamente da .OpenAIRE .

Risultati finali

Data Management Plan (1)

Data Management Plan

The Data Management Plan describes the data management life cycle for all data sets that will be collected processed or generated by the action It is a document describing what data will be collected processed or generated and following what methodology and standards whether and how this data will be shared andor made open and how it will be curated and preserved

Documents, reports (1)

Communication, Dissemination & Outreach Plan

The plan describes the planned measures to maximize the impact of the project, including the dissemination and exploitation measures that are planned, and the target group(s) addressed. Regarding communication measures and public engagement strategy, the aim is to inform and reach out to society and show the activities performed, and the use and the benefits the project will have for citizens.

Pubblicazioni

Conference proceedings (3)

Improved Decision Module Selection for Hierarchical Inference in Resource-Constrained Edge Devices

Autori: Adarsh Prasad Behera, Roberto Morabito, Joerg Widmer, and Jaya Prakash Champati
Pubblicato in: ISBN 9781450399906
Editore: ACM
DOI: 10.1145/3570361.3615732

An Offloading Algorithm for Maximizing Inference Accuracy on Edge Device in an Edge Intelligence System

Autori: Andrea Fresa and Jaya Prakash Champati
Pubblicato in: MSWIM '22, Numero 25TH, 2022, ISBN 9781450394826
Editore: Association for Computing Machinery (ACM)
DOI: 10.1145/3551659.3559044

The Case for Hierarchical Deep Learning Inference at the Network Edge

Autori: Ghina Al-Atat, Andrea Fresa, Adarsh Prasad Behera, Vishnu Narayanan Moothedath, James Gross, and Jaya Prakash Champati
Pubblicato in: ISBN 9798400702129
Editore: ACM
DOI: 10.1145/3597062.3597278

Peer reviewed articles (2)

Getting the Best Out of Both Worlds: Algorithms for Hierarchical Inference at the Edge

Autori: Vishnu N. Moothedath, Jaya Prakash Champati, James Gross
Pubblicato in: IEEE Transactions on Machine Learning in Communications and Networking, ISSN 2831-316X
Editore: IEEE
DOI: 10.1109/TMLCN.2024.3366501

Offloading Algorithms for Maximizing Inference Accuracy on Edge Device in an Edge Intelligence System

Autori: A. Fresa and J. P. Champati
Pubblicato in: IEEE Transactions on Parallel and Distributed Systems, ISSN 1045-9219
Editore: IEEE
DOI: 10.1109/TPDS.2023.3267458