Online Conformal Probabilistic Numerics via Adaptive Edge-Cloud Offloading

要約

リニアシステムのソリューションのクエリをエッジプロセッサに送信するエッジコンピューティング設定を考えてみましょう。
Edgeプロセッサは、割り当てられた時間とコンピューティングの予算内でユーザーのクエリに応答できるように、確率的線形ソルバー（PLS）を適用します。
ユーザーへのフィードバックは、不確実性セットの形式です。
モデルの誤解により、PLSの直接適用を介して得られた不確実性セットは、線形システムの真の解についてはカバレッジ保証が付いていません。
この作業では、長期的なカバレッジ要件を保証することを目的として、PLSによって生成される不確実性セットを調整する新しい方法を紹介します。
オンラインコンフォーマル予測-PLS（OCP-PLS）と呼ばれる提案された方法は、クラウドからエッジへの散発的なフィードバックを想定しています。
これにより、予測モデルのコンテキストで以前に研究されたオンライン最適化方法であるオンラインコンフォーマル予測（OCP）を介した不確実性しきい値のオンラインキャリブレーションが可能になります。
OCP-PLSの妥当性は、カバレッジ、予測セットサイズ、およびクラウド使用の間のトレードオフに洞察をもたらす実験によって検証されます。

要約(オリジナル)

Consider an edge computing setting in which a user submits queries for the solution of a linear system to an edge processor, which is subject to time-varying computing availability. The edge processor applies a probabilistic linear solver (PLS) so as to be able to respond to the user’s query within the allotted time and computing budget. Feedback to the user is in the form of an uncertainty set. Due to model misspecification, the uncertainty set obtained via a direct application of PLS does not come with coverage guarantees with respect to the true solution of the linear system. This work introduces a new method to calibrate the uncertainty sets produced by PLS with the aim of guaranteeing long-term coverage requirements. The proposed method, referred to as online conformal prediction-PLS (OCP-PLS), assumes sporadic feedback from cloud to edge. This enables the online calibration of uncertainty thresholds via online conformal prediction (OCP), an online optimization method previously studied in the context of prediction models. The validity of OCP-PLS is verified via experiments that bring insights into trade-offs between coverage, prediction set size, and cloud usage.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google