Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

DIME

Financiado

Distributed Inference for Energy-efficient Monitoring at the Network Edge

Today, Internet of Things (IoT) sensors are being extensively used for monitoring processes/phenomena in smart cities. The data samples generated by these IoT sensors are wirelessly transmitted to servers at the network edge where... ver más

31/05/2024

IMDEA NETWORKS

181K€

Presupuesto del proyecto: 181K€

Líder del proyecto

FUNDACION IMDEA NETWORKS No se ha especificado una descripción o un objeto social para esta compañía.

Financiación concedida El organismo HORIZON EUROPE notifico la concesión del proyecto el día 2024-05-31

HORIZON-MSCA-2021-PF-01-01: MSCA Postdoctoral Fellowships 2021 ExpectedOutcome:

I+D

Cerrada hace 3 años

0% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

1 Participantes

IMDEA NETWORKS

181.15K€ | Lider

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Proyectos interesantes

PDC2022-133719-I00 DESARROLLO DE DISPOSITIVOS INTELIGENTES DE MODELADO Y OPTIMI... 138K€ Cerrado

PID2021-128223OA-I00 MONITOREO ENERGETICAMENTE EFICIENTE EN LA ERA DE EDGE INTELL... 57K€ Cerrado

TIN2016-79726-C2-2-R ARQUITECTURA ADAPTATIVA PARA CROWDSENSING DE COMUNIDADES EFI... 38K€ Cerrado

TED2021-130599A-I00 ALGORITMOS DE SELECCION DE CARACTERISTICAS VERDES Y RAPIDOS 108K€ Cerrado

RTC-2017-6289-3 COSMOS - Plataforma Cloud De Previsión De La Demanda De Cons... 269K€ Cerrado

e-Asistencia Basada en la Inferencia y Evalua... e-Asistencia Basada en la Inferencia y Evaluación de las Act... 134K€ Cerrado

Duración del proyecto: 24 meses Fecha Inicio: 2022-05-19
Fecha Fin: 2024-05-31

Líder del proyecto

FUNDACION IMDEA NETWORKS No se ha especificado una descripción o un objeto social para esta compañía.

Presupuesto del proyecto 181K€

Descripción del proyecto Today, Internet of Things (IoT) sensors are being extensively used for monitoring processes/phenomena in smart cities. The data samples generated by these IoT sensors are wirelessly transmitted to servers at the network edge where compute-intensive Machine Learning (ML) models, specifically Deep Neural Networks (DNNs), are used for providing inference. However, a large percentage of data samples are redundant because they do not (significantly) improve inference. This leads to an excessive and unjustified carbon footprint of these systems as each redundant data sample will contribute to the Total System Energy (TSE) consumption. However, there is a lack of research on the design of these systems to reduce the TSE by considering the redundancy in the data. In DIME, we explore the TSE energy savings in a distributed inference setup by envisaging the deployment of the emerging small DNN models on the IoT sensors. My objective is to maximize TSE energy savings by answering two key questions: 1) when should an IoT sensor sample the process (to reduce redundant samples) and 2) where to do the inference on the sample, on the IoT sensor or at the edge server (to reduce TSE)? I will develop a general modelling framework and subsequently design and validate scheduling algorithms and sampling techniques that minimize the TSE by reducing the redundant data and maximize accuracy in ML-based monitoring systems. To achieve the objective, I will leverage my theoretical research experience on modelling and design and analysis of algorithms and the expertise of IMDEA Networks in applied machine learning and systems research. DIME directly contributes to reducing the carbon footprint of monitoring in smart cities, which is in line with the goal of Horizon Europe to achieve 100 climate-neutral smart cities by 2030.

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores