文献

J-GLOBAL ID：202202247256590025   整理番号：22A0150964

モバイルエッジコンピューティングユーザのための機械学習を用いたプロアクティブキャッシングとオフローディング技術【JST・京大機械翻訳】

A proactive caching and offloading technique using machine learning for mobile edge computing users

著者 (4件)： Alqahtani Fayez (Software Engineering Department, College of Computer and Information Sciences, King Saud University, Riyadh 12372, Saudi Arabia) ,  Al-Maitah Mohammed (Computer Science Department, Community College, King Saud University, Riyadh 11437, Saudi Arabia) ,  Elshakankiry Osama (Department of Information Technology, College of Computers and Information Technology, Taif University, Saudi Arabia) ,  Elshakankiry Osama (Computer Science and Engineering Department, Faculty of Electronic Engineering, Menoufia University, Menouf 32952, Egypt)
資料名： Computer Communications (Amsterdam)  (Computer Communications (Amsterdam))
巻： 181  ページ： 224-235  発行年： 2022年 
JST資料番号： D0443B  ISSN： 0140-3664  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： モバイルエッジコンピューティング(MEC)パラダイムは,資源へのユビキタスアクセスを提供するためにユーザネットワークの「エッジ」でクラウドとアプリケーションサービスを提供する。不均一サービスは,時々遅延を増加させるネットワークトラフィックを変化させる。エッジベースサービスでは,データ配信における同時性はキャッシングとオフローディングの特徴を必要とする。本論文では,並列ユーザサービスの必要性を考慮することにより,オフローディング(PCTO)能力による先験的キャッシング技術を紹介した。提案方法は,同時サービス普及要求を満たすために,需要意識オフロードを実行する。ネットワークレベルキャッシングと同時サービス分布における予測を,応答時間を減らすために実行した。オフロードとキャッシングプロセスを,故障サービス分布間隔のための深いリカレント学習を用いて流線化した。学習プロセスにおいて,機械を事前故障のために訓練し,オフロードインスタンスを追求する。学習出力に基づいて,キャッシングレベルおよびオフローディング速度を待ち行列サービスに対して決定した。提案手法の性能を,メトリックサービス比,応答故障,待ち時間,オフローディング速度,キャッシング比を用いて検証した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  故障 ,  ネットワーク ,  流線 ,  同時性 ,  応用プログラム ,  待ち時間 ,  応答時間 ,  *携帯電話 ,  *機械学習 ,  再帰性
準シソーラス用語： *キャッシング ,  データ配信 ,  *オフローディング ,  *エッジコンピューティング , 【Automatic Indexing@JST】

著者キーワード (4件)： データキャッシング ,  深層学習 ,  モバイルエッジコンピューティング ,  サービスオフローディング

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (2件)： 機械学習 ,  オフローディング