Edge Computing Tied in Artificial Neural Network Classifiers

Abstract

The dissertation deals with traditional and artificial neural networks based intelligent classifiers, simulations and natural experiments are performed taking into account their specifics and possible specific applications in: cell colony image parametrization and image stitching. Research is conducted to evaluate the poten tial of developed algorithms and methods application to address edge computing challenges and are therefore examined in different network topologies: centralized, decentralized and distributed. Edge computing and its benefits are compared to the currently relevant but no longer meeting the needs technology – the cloud computing. The object of the dissertation is the intelligent classifier for edge computing tasks. The aim of the work is to propose and investigate original, artificial neural network classifier based Internet of Things systems for the edge computing tasks. The dissertation is designated to contribute to the development of artificial neural network based edge computing solutions. Analytical review of artificial neural networks for edge computing is performed that underlies the work the relevance of the raise problem and explains the importance of research of the classifier application in edge computing. The dissertation consists of an introduction, four chapters and general conclusions. In the first chapter essential knowledge and progress on artificial neural networks based classifiers application in edge computing technology is presented, the relationship between the edge computing and Internet of Things is defined, traditional and intelligent classification methods are discussed, self-organizing adaptive resonance theory based classifiers are analyzed and dissertation tasks are formulated. In the second chapter three simulation experiments are described with further analysis of their results revealing quantitative and qualitative Internet of Things characteristics, lastly, Internet of Things, edge computing and sensor network specifics are revealed. The third chapter describes the proposed cell colony images parameterization method, the experiments using constructed stand are performed comparing heuristic, support vectors, and adaptive resonance theory versions 1 and 2 classifiers by evaluation of classification quality based on statistical methods. In the fourth chapter a proposed fixed-structure artificial neural network classifier based adaptive resolution selection stitching system is described, further the arranged constructed stand and obtained experiment results are discussed. The main results of the thesis were published in 9 scientific publications: three of them were printed in peer-reviewed scientific journals, two of which are listed in Clarivate Analytics Web of Science and one of them is with impact factor, six articles – in conference proceedings. The research results were presented in 11 scientific conferences.

Disertacijoje nagrinejami tradiciniai ir dirbtiniais neuronų tinklais grįsti išmanūs klasifikatoriai, atliekami imitaciniai ir natūriniai eksperimentai siekiant išsiaiškinti jų specifikas ir galimus taikymus specifinėse srityse – ląstelių kolonijų vaizdų analizei ir vaizdų sandaros uždaviniui. Tyrimai atliekami vertinant galimą sukurtų algoritmų ir metodų taikymą kraštų kompiuterijos uždaviniams spręsti, todėl na grinėjami skirtingi požiūriai tinklų topologijos prasme, centralizuotas, decentralizuotas ir paskirstytas, o kraštų kompiuterija ir jos privalumai lyginami su šiuo metu aktualia, tačiau nebetenkinančia poreikių debesų kompiuterijos technologija. Disertacijos tyrimo objektas yra išmanus klasifikatorius skirtas kraštų kompiuterijos uždaviniams spręsti. Darbo tikslas – pasiūlyti ir ištirti originalias, dirbtinių neuronų tinklų klasifikatoriais grįstas daiktų interneto sistemas skirtas kraštų kompiuterijos uždaviniams spręsti. Darbas skirtas prisidėti vystant dirbiniais neuronų tinklais grįstus kraštų kompiuterijos sprendimus. Atliekama analitinė dirbtinių neuronų tinklų kraštų kompiuterijoje apžvalga, kurios pagrindu yra pagrindžiamas darbe iškeltos problemos aktualumas ir iškeliama svarba tirti klasifikatorių taikymą kraštų kompiuterijoje. Disertaciją sudaro įvadas, keturi skyriai ir bendrosios išvados. Pirmame skyriuje pristatomos esminės žinios ir pažanga apie kraštų kopiuterijoje taikytinus dirbtinius neuronų tinklus ir jais grįstus klasifikatorius, apibrėžiamas sąryšis tarp kraštų kompiuterijos technologijos ir daiktų interneto, aptariami tradiciniai ir išmanūs klasifikavimo metodai, analizuojami saviorganizuojantys adaptyviojo rezonanso teorija grįstį klasifikatoriai, bei formuluojami disertacijos uždaviniai. Antrame skyriuje aprašomi trys imitaciniai eksperimentai, jų rezultatų analizės metu išsiaiškintos daiktų interneto kiekybinės ir kokybinės charakteristikos, atkleistos daiktų interneto, kraštų kompiuterijos ir jutiklių tinklų specifikos. Trečiame skyriuje aprašomas sukurtas ląstelių kolonijų vaizdų parametrizavimo metodas, sukonstruotu stendu atliekami natūriniai eksperimentai, tarpusavyje palyginami euristinis, atraminių vektorių ir adaptyviojo rezonanso teorijos 1 ir 2 versijos klasifikatoriai, atliekama jų klasifikavimo kokybės vertinimas statistiniais metodais. Ketvirtame skyriuje aprašoma pasiūlyta pastoviosios struktūros dirbtinių neuronų tinklo klasifikatoriumi grįsta vaizdų sandaros sistema, sukurtame bandomajame stende atliekami natūriniai vaizdo skyros adaptyvaus parinkimo metodo eksperimentai ir atliekama gautų rezultatų analizė. Pagrindiniai disertacijos rezultatai paskelbti 9-iuose moksliniuose straipsniuose, iš kurių 3 atspausdinti recenzuojamuose mokslo žurnaluose. Iš jų 2 straipsniai paskelbti mokslo žurnaluose, įtrauktuose į Clarivate Analytics Web of Science duomenų bazę, vienas jų yra su citavimo indeksu. Kiti 6 straipsniai – konferencijų medžiagoje. Rezultatai viešinti 11 mokslinių konferencijų.