mobile edge computing | BriefGPT

关键词mobile edge computing

搜索结果 - 73

面向动态 MEC 的可扩展资源管理：一种无监督的链路输出图神经网络方法
本文提出了一种基于链接输出图神经网络（LOGNN）的资源管理方法，可灵活优化任意数量的边缘节点的 MEC 资源分配，具有极低的算法推理延迟，并证明了 LOGNN 的可扩展性，通过无标签的无监督方法进行有效训练，与监督学习和强化学习相比，拥有
PDFa year ago
大规模移动边缘计算网络上的分层个性化联邦学习
该研究提出了层次化的个性化联邦学习算法（HPFL），将用户设备（UEs）分层聚类，从而解决移动边缘计算（MEC）网络中的异构性问题，并在全局模型与边缘模型聚合之间寻求轮数损失最小化和轮延迟最小化之间的权衡。
PDFa year ago
HiFlash: 具有自适应陈旧度控制和异构感知客户端 - 边缘关联的通信高效分层联合学习
利用 hierarchical federated learning paradigm (HiFL)，基于手机边缘计算和同步客户端 - 边缘模型聚合与异步边缘 - 云模型聚合相结合的方式，显著降低了 WAN 传输的流量，提高了 HiFlas
PDFa year ago
移动边缘计算、元宇宙、6G 无线通信、人工智能和区块链：调查与它们的融合
本研究探讨了移动边缘计算（MEC）与新兴技术的融合，其中包括 Metaverse、6G 无线通信、人工智能 (AI) 和区块链，重点关注于这些技术的技术融合，如 MEC 和 6G 的融合、MEC 与区块链的融合等，并介绍了 MEC 在移动增
PDF2 years ago
边缘隐私保护移动计算网络中的无监督循环联邦学习用于人气预测
文章提出了一种无监督的隐私保护的流行度预测框架，涵盖了无线通信，移动边缘计算，工业物联网等内容，并介绍了本地和全局流行度的概念和每个用户的时间变化流行度建模方法。通过提出的 URFL 算法，使得预测精度显著提高了。
PDF2 years ago
强化学习增强的移动边缘计算用于 6G 边缘智能
本文综述了强化学习 - enabled 移动边缘计算在不同移动应用中的发展，并探讨了其面临的挑战和未来研究方向。
PDF2 years ago
基于学习的数字孪生技术辅助的车联网任务卸载
本文提出了一种数字孪生（DT）辅助的任务卸载框架，用于移动边缘计算卸载策略的优化，基于预测未来计算任务的学习方案，将卸载调度过程建模为马尔可夫决策过程（MDP），以在延迟、能耗和云租用成本之间平衡，以获得最优卸载策略。
PDF3 years ago
MM基于分布式强化学习的保护隐私的动态边缘缓存
本文提出了一种隐私保护的分布式深度确定性策略梯度算法，通过分布式强化学习解决内容流行度的动态、复杂和不可观测性所带来的缓存优化问题，在保护用户隐私的情况下提高 MEC 网络中设备的缓存命中率。
PDF3 years ago
基于多智体深度强化学习的区块链边缘计算中的任务卸载与块挖掘合作
本篇论文提出了一种基于区块链的移动边缘计算 (MEC) 系统的新型合作任务卸载和区块挖掘 (TOBM) 方案，旨在通过任务卸载和块挖掘优化 MEC 系统效益，同时提出了一种基于轻量级块验证策略的声誉证明共识机制，结合卸载决策、信道选择、发送
PDF3 years ago
KDD更好的道路感知和制图：使用联邦学习和数字双胞胎初步规划，在开发中国家（斯里兰卡）中识别道路条件
本文提出了使用联邦学习等隐私启用机器学习技术来检测路况，并在斯里兰卡提出实施国家道路系统的数字孪生的想法，以促进联合国可持续发展目标 9 的实现，“建设具有弹性的基础设施，促进包容性和可持续的产业化和创新”。
PDF3 years ago
边缘计算中联邦学习与区块链的结合：机遇与挑战
本文评估了 FLchain 在 MEC 网络中的机会，提出了几个主要问题，包括通信成本、资源配置、激励机制、安全和隐私保护。我们介绍了 FLchain 设计的关键解决方案，并探讨了在流行的 MEC 领域中应用 FLchain 的应用。同
PDF3 years ago
Open-RAN 网络资源分配的自博弈学习策略
本文提出了基于深度强化学习和类似于 AlphaGo Zero 的神经蒙特卡罗树搜索的自我对抗自学习策略，以实现不同网络条件下的智能 RU-DU 资源分配，并研究了 ORAN 系统中 RU-DU 资源分配问题的 2D 装箱模型
PDF3 years ago
MM利用可重构智能表面协助的异构学习任务的移动边缘计算
本文提出了一种基于可重构智能表面 (RIS) 的移动边缘计算 (MEC) 结合人工智能 (AI) 和机器学习 (ML) 的架构，在最大化学习性能的前提下，通过联合优化移动用户的传输功率、基站的波束成形向量和 RIS 的相移矩阵，以最小化参与
PDF4 years ago
MM移动边缘智能系统中的 AI 服务部署和资源分配优化
本文提出了一种基于边缘智能的方案，通过优化资源分配和服务部署，实现在多用户移动边缘计算系统上的 AI 服务执行任务，模拟结果表明，该算法与最优解非常接近，同时也显著优于其他代表性基准算法。
PDF4 years ago
MM移动边缘计算中基于定价的服务缓存和任务卸载
本文研究了一种移动边缘计算服务定价方案，来协调服务缓存决策和控制设备的任务卸载行为。通过采用两阶段的动态不完全信息博弈模型，得到了设备的最优卸载策略，同时利用低复杂度算法优化基站的服务定价和缓存策略。
PDF4 years ago
MM车联网中的协作边缘计算深度强化学习
本文提出一种基于人工智能的协同计算方法，通过将任务分配和调度算法与决策流程相结合，实现车辆网络中任务的外包与协同计算，进而减少计算服务延迟，提高服务可靠性，并实现服务成本最小化。在复杂的城市交通网络中，基于提出的协同计算方法，仿真结果表明该
PDF4 years ago
MM多智能体深度强化学习在多无人机辅助移动边缘计算中的轨迹规划应用
提出一种无人机辅助的移动边缘计算框架，采用多智能体深度强化学习算法来优化无人机的轨迹，同时通过低复杂度方法优化用户设备的卸载决策。该解决方案相较于传统算法在服务用户设备公平性、无人机负载公平性和所有用户设备的能耗上性能表现较好。
PDF4 years ago
基于无人机互联网的深度学习目标跟踪边缘计算卸载优化
利用卷积神经网络的视觉跟踪能力配合移动边缘计算，提出了一种新的层次分布式计算框架，将有限的计算资源和能量预算分配到无人机和移动边缘服务器上，以达到更高的推断精度和更低的计算成本。
PDF4 years ago
基于能源效率的无人机辅助移动边缘计算：资源分配与轨迹优化
本文研究了无人机辅助移动边缘计算，旨在通过联合优化无人机轨迹、用户传输功率和计算负载分配来最大程度地提高能源效率，并且采用分布式和并行问题求解来处理该问题。
PDF4 years ago
移动边缘计算系统中基于可靠性不敏感客户端的联邦学习加速
本文设计了一种称为 HybridFL 的多层联邦学习协议，该协议结合了边缘节点和云端两层不同的模型聚合策略，并使用概率方法在不确定的末端设备状态下通过区域弹性因子来选择客户端，实验证明了该协议在不同规模的 MEC 系统中显著提高了 FL 训
PDF4 years ago