mobile edge computing | BriefGPT

关键词mobile edge computing

搜索结果 - 73

基于 Koopman 轨迹模型的 ISAC 启用的物联网系统中的高移动性范式和计算卸载
移动设备上的用户体验受到有限的电池容量和处理能力的限制，但 6G 技术的进步正在迅速促使移动技术的演进。移动边缘计算（MEC）提供了一种解决方案，将计算密集型任务卸载到边缘云服务器，与本地处理相比减少了电池消耗。即将到来的移动通信的集成感知
PDF4 days ago
MM超越边缘：移动边缘计算的强化学习高级探索及其应用与未来研究轨迹
移动边缘计算（MEC）通过将计算和存储范围扩展到靠近终端设备的边缘节点，实现了大规模 “连接的物联网” 在边缘网络中的部署。这篇论文全面调研了在 MEC 网络中应用强化学习（RL）的各种应用，包括离线、缓存和通信等方面，提出了特定的 RL
PDF2 months ago
移动边缘计算中基于学习的应用部署问题的解决方案
本研究利用机器学习模型对边缘服务器中的请求分配进行优化，提供一种更高效的方法来解决移动边缘计算中的高维问题和不确定性场景，结果显示机器学习模型相对传统方法具有显著的解决时间改进。
PDF3 months ago
多服务器多接入边缘车联网的计算卸载：基于 DDQN 的方法
本文研究了多服务器移动边缘计算系统中重叠领域的多用户卸载问题。我们将原始问题划分为两个阶段：卸载决策阶段和请求调度阶段。为了防止终端在卸载过程中超出服务范围，我们考虑终端的移动性参数，并根据人类行为模型进行卸载决策，然后引入基于移动性参数和
PDF4 months ago
组合式客户端 - 主节点多智能体深度强化学习在移动边缘计算中的任务卸载
近年来，移动应用程序的爆发性增长引起了人们的关注，但用户设备在处理计算需求方面存在局限性。移动边缘计算作为应对用户设备不断增长的计算需求的一项有前途的技术，通过在用户设备和移动边缘计算服务器之间分配任务来满足用户设备的需求。深度强化学习在任
PDF4 months ago
面向移动边缘计算系统定制化 VR 服务的联合提示决策 Transformer
该研究致力于在移动边缘计算系统中提供定制化虚拟现实服务给异构用户的资源分配。通过引入体验质量度量，考虑延迟、用户注意力水平和首选分辨率等因素，建立了一个体验质量最大化的资源分配问题，并将其作为一个强化学习问题来求解。为了学习通用策略，提出了
PDF5 months ago
MM无线供能边缘计算中的计算速率最大化与多用户合作
无线供电移动边缘计算系统中，采用一种新颖的多用户合作方案，通过动态形成协作群组来提高计算性能，并通过两种初始算法和深度学习方法进行优化和加速。
PDF5 months ago
MMHierSFL：移动边缘计算中的局部差分隐私辅助分割联邦学习
使用分层分割联邦学习算法，结合边缘和云端阶段的模型聚合来降低计算和通信开销，实现提高隐私保护并优化移动边缘计算中的内容传递速度和移动服务质量。
PDF6 months ago
分数深度强化学习用于年龄最小化的移动边缘计算
移动边缘计算是一种有潜力的范式，用于实时应用程序，具有密集的计算需求（例如，自动驾驶），因为它可以减少处理延迟。本文关注计算密集型更新的及时性，通过信息时代（Age-of-Information）来衡量，并研究如何联合优化任务更新和离线策略
PDF7 months ago
基于年龄的移动边缘计算调度：一种深度强化学习方法
移动边缘计算在实时应用中对信息时效性的重要性提出了新的理解与优化方法，基于马尔可夫决策过程和深度强化学习，将偏知识利用与系统动态建模相结合的算法应用于此问题研究，结果表明算法在多种场景下优于其他基准算法。
PDF7 months ago
基于深度强化学习的移动边缘计算 QoE 导向的计算卸载算法
在移动边缘计算领域，通过有效的计算任务卸载可以确保用户无缝的体验质量。本研究以马尔科夫决策过程为基础，提出了一种基于深度强化学习的去中心化 QoS 导向的计算任务卸载算法，通过充分利用边缘节点的计算资源，能够显著提高用户的体验质量。
PDF8 months ago
辅助模拟器调整 AI 基础模型的编排：一种多智能体深度强化学习方法
本研究提出一种创新的范式，将移动边缘计算（MEC）与基础模型集成，旨在增强用户设备（UE）上的本地任务性能，该设计通过创新的仿真器 - 适配器架构将基础模型分成两个协同模块，既节省了计算资源又保证了适应性和下游任务的优化效率，并引入了一种精
PDF8 months ago
一种高效的平衡感知联邦学习方法用于可穿戴医疗设备的自回归比例观察
提出了一个新的联邦学习框架 FedImT，专门解决联邦学习场景中的类别不平衡问题。FedImT 包含一个在线方案，可以在每轮聚合期间估计数据组成，并引入一种自衰减迭代等价物来跟踪多个估计值的变化，并及时调整损失计算的平衡，以解决少数类别的问
PDF8 months ago
移动边缘计算中基于深度强化学习的任务图离载
通过建模任务图离线计算为马尔可夫决策过程，并设计了一种深度强化学习算法（SATA-DRL）来提供用户体验，以适应环境变化。大量模拟验证表明，SATA-DRL 在减少平均完成时间和截止时间违规方面优于现有策略。
PDF9 months ago
面向多无人机协助边缘计算的个性化联邦深度强化学习轨迹优化
在 5G 移动通信时代，研究聚焦于无人机和移动边缘计算技术方面出现了显著增长。本研究提出了一种名为个性化联邦深度强化学习（PF-DRL）的新解决方案，用于多无人机轨迹优化。模拟结果表明，该算法具有更快的收敛速度和改善服务质量，优于其他基于深
PDF10 months ago
LAMBO：大型语言模型增强边缘智能
利用大型语言模型（LLM）和移动边缘计算（MEC），我们提出了一种基于 LLM 的离线框架（LAMBO）来解决传统深度离线架构面临的问题，通过四个组成部分实现了高性能决策制定、预训练和在动态环境变化下微调解码器。模拟结果证实了 LAMBO
PDF10 months ago
基于深度强化学习的群体机器人移动感知计算卸载
通过利用移动边缘计算来减轻计算负担，本文提出了一种基于在边缘服务器端的可移动感知深度强化学习模型的有效解决方案，用于计算调度和资源，结果表明该方法可以通过使用最少的机器人能量满足延迟要求并保证计算精度。
PDF10 months ago
基于知识驱动的多智能体强化学习在智能车联网中的计算卸载
通过在车辆和路边单元之间进行计算任务卸载，车联网中的边缘计算可以减轻车载计算负担。本文提出了一种基于知识驱动的多智能体强化学习方法来降低虚拟空间中基于边缘计算的车联网任务卸载的延迟，通过利用图神经网络整合图结构通信拓扑和置换不变性的领域知识
PDFa year ago
边缘 / 云计算环境中数字孪生的高效任务卸载算法
本论文提出了一种考虑到异构的移动云计算 / 移动边缘计算环境的数字孪生系统模型以及一个新的基于分布式深度学习的卸载方案，并通过实验结果证明了该算法相对于动态数字孪生系统中的基线具有较好的降低系统平均延迟和能耗的效果。
PDFa year ago
多目标深度强化学习用于移动边缘计算
通过设计的多目标 (深度) 强化学习 (MORL) 资源调度方案，结合了近端策略优化 (PPO) 方法以解决多目标边缘计算系统下未知偏好的问题，本研究在能源消耗与传输延迟最小化的前提下，通过多边缘 MEC 系统中多目标离线问题进行建模与解决
PDFa year ago