A Reinforcement Learning Framework For ...

Stammdaten

• Englisch

Titel:	A Reinforcement Learning Framework For Dynamic Power Management for a Portable, Multi-Camera Traffic Monitoring System
Untertitel:
Kurzfassung:	Dynamic Power Management (DPM) refers to a set of strategies that achieves efficient power consumption by selectively turning off (or reducing the performance of)a system components when they are idle or are serving light workloads. This paper presents a Reinforcement Learning (RL)based DPM technique for a portable, multi-camera traffic monitoring system. We target the computing hardware of the sensing platform which is the major contributor to the entire power consumption. The RL technique used for the DPM of the sensing platform uses a model-free learning algorithm that does not require a priori model of the system. In addition, a robust workload estimator based on an online, Multi-Layer Artificial Neural Network (ML-ANN) is incorporated to the learning algorithm to provide partial information about the workload and to take better decisions according to the changing workload. Based on the estimated workload and a selected power-latency tradeoff parameter, the algorithm learns to use optimal time-out values in sleep and idle modes of the computing hardware. Our results show that the learning algorithm learns an optimal DPM policy for the non-stationary workload, while significantly reducing the power consumption and keeping the system response to a desired level.
Schlagworte:

Publikationstyp:	Beitrag in Sammelwerk (Autorenschaft)
Erscheinungsdatum:	2012 (Print)
Erschienen in:	Proceedings of The IEEE International Conference on Green Computing and Communications (GreenCom 2012) Proceedings of The IEEE International Conference on Green Computing and Communications (GreenCom 2012) zur Publikation  ( IEEE Computer Society Press; )
Titel der Serie:	-
Bandnummer:	-
Erstveröffentlichung:	Ja
Seite:	S. 1 - 8

Versionen

• Print

Keine Version vorhanden

Erscheinungsdatum:	2012
ISBN:	-
ISSN:	-
Homepage:	http://pervasive.aau.at/publications/pdf/Khan_GreenCom_2012.pdf

AutorInnen

U. Khan Keine Daten vorhanden *

B. Rinner Keine Daten vorhanden *

Bernhard Rinner Bernhard.Rinner@aau.at Institut für Vernetzte und Eingebettete Systeme Forschungsaktivitäten zur Visitenkarte (intern)

Umair Khan Umair.Khan@aau.at Forschungsaktivitäten zur Visitenkarte (intern)

Zuordnung

Organisation	Adresse
Fakultät für Technische Wissenschaften   Institut für Vernetzte und Eingebettete Systeme Universitätsstraße 65-67 9020 Klagenfurt am Wörthersee Österreich   -993640    kornelia.lienbacher@aau.at https://nes.aau.at/ zur Organisation	Universitätsstraße 65-67 AT - 9020  Klagenfurt am Wörthersee

Kategorisierung

Sachgebiete	1108 - Informatik 2502 - Allgemeine Elektrotechnik
Forschungscluster	Energiemanagement und -technik
Peer Reviewed	Ja
Publikationsfokus	Science to Science (Qualitätsindikator: I) Klassifikationsraster der zugeordneten Organisationseinheiten: Institut für Vernetzte und Eingebettete Systeme
Arbeitsgruppen	Keine Arbeitsgruppe ausgewählt

Kooperationen

Keine Partnerorganisation ausgewählt

Forschungsaktivitäten

Hier werden alle mit dieser Publikation in Zusammenhang stehenden Forschungsaktivitäten angezeigt. Mit dem untenstehenden Link können sie sich diese Forschungsaktivitäten in der Suche anzeigen lassen und gegebenenfalls exportieren.

(Achtung: Externe Aktivitäten werden im Suchergebnis nicht mitangezeigt)

Zugehörige Forschungsaktivitäten in der Suche anzeigen

Projekte:	Mobi Trick - Mobile Traffic Checker Mobi Trick - Mobile Traffic Checker Univ.-Prof. Dipl.-Ing. Dr. Bernhard Rinner 01.05.2010 - 31.05.2015 zum Projekt
Publikationen:	Keine verknüpften Publikationen vorhanden
Veranstaltungen:	Keine verknüpften Veranstaltung vorhanden
Vorträge:	Keine verknüpften Vorträge vorhanden

Beiträge der Publikation

Keine verknüpften Publikationen vorhanden