Type of Machine Learning Model for Edge Computing Environment: A Survey

최근 IoT(Internet of Things)의 발전과, 클라우드 서비스의 풍부한 성공은 Edge computing이라고 불리는 새로운 패러다임의 지평을 열었다. 일반적인 기계학습 모델은 비선형적(Nonlinear)이고 비모수 적 (Nonparametric) 추정을 위한 방법으로[1], 기존의 기계학습 모델 의 학습방법의 경우 향후 연구를 위한 환경인 Edge computing 노드의 지능화에는 다소 맞지 않는 방법이다. 또한 IoT 센서 노드 자료와 같은 비정지적(Nonstationary)이고 임의적(Random) 특성의 자료를 학습 할 때 상당히 많은 매개변수들이 필요로 하고 비선형적 계산들이 요구된다[2]. 하지만 IoT 센서 노드의 경우 메모리가 제한적 이고 연산의 경우 처리속도가 높지 않기 때문에 기존의 학습방법들을 실시간으로 상황이 변화는 Edge computing 환경에서 적용하기는 어려움이 따른다. 본 논문에서는 edge computing 환경의 각 상황에서 효율적인 적용이 가능한 기계학습 모델을 조사하였다.