文献
J-GLOBAL ID:202202262040117106   整理番号:22A0738095

分散深層学習とソフトウェア定義モバイルエッジコンピューティングに基づく計算オフローディングと資源割付【JST・京大機械翻訳】

Computation offloading and resource allocation based on distributed deep learning and software defined mobile edge computing
著者 (4件):
資料名:
巻: 205  ページ: Null  発行年: 2022年 
JST資料番号: A0360B  ISSN: 1389-1286  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,モノのインターネット(IoT)におけるソフトウェア定義モバイルエッジ計算(SD-MEC)を検討し,その中で,複数のIoTデバイスが,厳密な計算集約的および待ち時間臨界要求を有する新たなIoTアプリケーションをサポートするために,適切なエッジサーバにそれらの計算タスクをオフロードする選択を選択する。考察したSD-MECネットワークにおいて,分散高密度IoTにおける加重遅延と電力消費の効用を最小化するために,共同計算オフロードと電力割当問題を提案した。最適化問題は混合整数非線形プログラミング問題であり,非凸性と複雑性のために一般的最適化ツールによって解決するのが難しい。SD-MEC IoTのための分散深層学習ベース計算オフローディングと資源割当(DDL-CORA)アルゴリズムを提案し,その中で,多重並列深層ニューラルネットワーク(DNN)を,最適オフロード決定と資源スケジューリングを生成するために呼び出す。さらに,DNNを訓練し,改善するためにさらに使用する新しく生成されたオフロード決定を効果的に保存するために,共有再生メモリメカニズムを設計した。シミュレーション結果は,提案したDDL-CORAアルゴリズムが,基準深Qネットワーク(DQN)アルゴリズムより平均7.72%のシステムユーティリティを,参照分岐-および-基礎(BNB)アルゴリズムより31.9%低減でき,複雑性とユーティリティ性能の間の良いトレードオフを維持することを示した。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
計算機網 

前のページに戻る