Buchumschlag

An AI-Driven Framework for Energy-Efficient Environmental Monitoring in Smart Cities Using Edge Intelligence

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Yichen, Akinlade, Imam Akintomiwa, Jiang, Xiaochong, Yang, Wenting, Yang, Shiqi
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Distributed, Parallel, and Cluster Computing Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Edge-Oriented Orchestration of Energy Services Using Graph-Driven Swarm Intelligence
von: Toderean, Liana, et al.
Veröffentlicht: (2026)

EdgeFaaS: A Function-based Framework for Edge Computing
von: Jin, Runyu, et al.
Veröffentlicht: (2022)

LLM-assisted Agentic Edge Intelligence Framework
von: Dehury, Chinmaya Kumar, et al.
Veröffentlicht: (2026)

Stochastic Modeling for Energy-Efficient Edge Infrastructure
von: Rossi, Fabio Diniz
Veröffentlicht: (2025)

CroSatFL: Energy-Efficient Federated Learning with Cross-Aggregation for Satellite Edge Computing
von: Yang, Nan, et al.
Veröffentlicht: (2026)

ACE-Sync: An Adaptive Cloud-Edge Synchronization Framework for Communication-Efficient Large-Scale Distributed Model Training
von: Yang, Yi, et al.
Veröffentlicht: (2025)

Edge Intelligence-Driven LegalEdge Contracts for EV Charging Stations: A Fedrated Learning with Deep Q-Networks Approach
von: Rahmani, Rahim, et al.
Veröffentlicht: (2026)

A Risk-Aware UAV-Edge Service Framework for Wildfire Monitoring and Emergency Response
von: Huang, Yulun, et al.
Veröffentlicht: (2026)

SynergAI: Edge-to-Cloud Synergy for Architecture-Driven High-Performance Orchestration for AI Inference
von: Stathopoulou, Foteini, et al.
Veröffentlicht: (2025)

A Privacy-Preserving Machine Learning Framework for Edge Intelligence: An Empirical Analysis
von: Trieu, Quoc Lap, et al.
Veröffentlicht: (2026)

Energy Efficient Federated Learning with Hyperdimensional Computing (HDC)
von: Ding, Yahao, et al.
Veröffentlicht: (2026)

Resource Slicing through Intelligent Orchestration of Energy-aware IoT services in Edge-Cloud Continuum
von: Shahid, Hafiz Faheem, et al.
Veröffentlicht: (2024)

6G EdgeAI: Performance Evaluation and Analysis
von: Yang, Chien-Sheng, et al.
Veröffentlicht: (2025)

Efficient Scheduling of Vehicular Tasks on Edge Systems with Green Energy and Battery Storage
von: Sarkar, Suvarthi, et al.
Veröffentlicht: (2024)

CCRSat: A Collaborative Computation Reuse Framework for Satellite Edge Computing Networks
von: Zhang, Ye, et al.
Veröffentlicht: (2025)

Energy-Efficient Real-Time Job Mapping and Resource Management in Mobile-Edge Computing
von: Gao, Chuanchao, et al.
Veröffentlicht: (2025)

FedCache: A Knowledge Cache-driven Federated Learning Architecture for Personalized Edge Intelligence
von: Wu, Zhiyuan, et al.
Veröffentlicht: (2023)

DECICE: AI-Driven Scheduling and Digital Twin Integration for the Cloud-HPC-Edge Compute Continuum
von: Sharma, Aasish Kumar, et al.
Veröffentlicht: (2026)

FEDQ-Trust: Efficient Data-Driven Trust Prediction for Mobile Edge-Based IoT Systems
von: Bai, Jiahui, et al.
Veröffentlicht: (2024)

GenAI at the Edge: Comprehensive Survey on Empowering Edge Devices
von: Navardi, Mozhgan, et al.
Veröffentlicht: (2025)

Lattica: A Decentralized Cross-NAT Communication Framework for Scalable AI Inference and Training
von: Yang, Ween, et al.
Veröffentlicht: (2025)

PICE: A Semantic-Driven Progressive Inference System for LLM Serving in Cloud-Edge Networks
von: Zhan, Huiyou, et al.
Veröffentlicht: (2025)

FRESCO: Fast and Reliable Edge Offloading with Reputation-based Hybrid Smart Contracts
von: Zilic, Josip, et al.
Veröffentlicht: (2024)

A Pipelined Collaborative Speculative Decoding Framework for Efficient Edge-Cloud LLM Inference
von: Zhang, Yida, et al.
Veröffentlicht: (2026)

PipeSD: An Efficient Cloud-Edge Collaborative Pipeline Inference Framework with Speculative Decoding
von: Han, Yunhe, et al.
Veröffentlicht: (2026)

A Flexible Programmable Pipeline Parallelism Framework for Efficient DNN Training
von: Jiang, Lijuan, et al.
Veröffentlicht: (2025)

Energy-Efficient Joint Offloading and Resource Allocation for Deadline-Constrained Tasks in Multi-Access Edge Computing
von: Gao, Chuanchao, et al.
Veröffentlicht: (2025)

KCES: A Workflow Containerization Scheduling Scheme Under Cloud-Edge Collaboration Framework
von: Shan, Chenggang, et al.
Veröffentlicht: (2024)

TT-Edge: A Hardware-Software Co-Design for Energy-Efficient Tensor-Train Decomposition on Edge AI
von: Kwak, Hyunseok, et al.
Veröffentlicht: (2025)

Big Data-Driven Fraud Detection Using Machine Learning and Real-Time Stream Processing
von: Liu, Chen, et al.
Veröffentlicht: (2025)

A Combined Environmental Monitoring Framework based on WSN Clustering and VANET Edge Computation Offloading
von: Mamalis, Basilis, et al.
Veröffentlicht: (2024)

QEIL v2: Heterogeneous Computing for Edge Intelligence via Roofline-Derived Pareto-Optimal Energy Modeling and Multi-Objective Orchestration
von: Kumar, Satyam, et al.
Veröffentlicht: (2026)

EdgeShard: Efficient LLM Inference via Collaborative Edge Computing
von: Zhang, Mingjin, et al.
Veröffentlicht: (2024)

Energy Efficient Federated Learning with Hyperdimensional Computing over Wireless Communication Networks
von: Ding, Yahao, et al.
Veröffentlicht: (2026)

SmartQC: An Extensible DLT-Based Framework for Trusted Data Workflows in Smart Manufacturing
von: McGibney, Alan, et al.
Veröffentlicht: (2024)

A Joint Time and Energy-Efficient Federated Learning-based Computation Offloading Method for Mobile Edge Computing
von: Mukherjee, Anwesha, et al.
Veröffentlicht: (2024)

Edge Intelligence in Satellite-Terrestrial Networks with Hybrid Quantum Computing
von: Huang, Siyue, et al.
Veröffentlicht: (2024)

Scaling Real-Time Traffic Analytics on Edge-Cloud Fabrics for City-Scale Camera Networks
von: Sharma, Akash, et al.
Veröffentlicht: (2026)

Energy-aware Distributed Microservice Request Placement at the Edge
von: Toczé, Klervie, et al.
Veröffentlicht: (2024)

Energy Metrics for Edge Microservice Request Placement Strategies
von: Toczé, Klervie, et al.
Veröffentlicht: (2025)