| 标题 |
 Joint Optimization of Model Deployment for Freshness-Sensitive Task Assignment in Edge Intelligence 边缘智能中新鲜度敏感任务分配模型部署的联合优化
相关领域
接头（建筑物）
软件部署
任务（项目管理）
计算机科学
GSM演进的增强数据速率
人工智能
系统工程
工程类
操作系统
建筑工程
|
| 网址 | |
| DOI | |
| 其它 |
摘要： Edge Intelligence 旨在将深度学习 （DL） 服务推向网络边缘，以减少响应时间并保护隐私。在实施中，DL 模型的就近部署和及时更新可以提高用户的体验质量 （QoE），但会增加运营成本，并对任务分配构成挑战。为了应对这一挑战，该文制定了一个针对深度学习模型部署（包括放置和更新）和新鲜度敏感任务分配的联合在线优化问题，以提高QoE和ASP的利润。在这个问题中，我们引入了信息年龄 （AOI） 来量化 DL 模型的新鲜度，并将用户 QoE 表示为基于 AOI 的效用函数。针对该问题，该文提出一种在线模型放置、更新和任务分配 （MPUTA） 算法。首先，利用正则化技术将时隙耦合问题转化为单时隙问题，并将单时隙问题分解为模型部署和任务分配子问题。然后，使用随机轮技术处理模型部署子问题，使用图匹配技术解决任务分配子问题;在模拟实验中，MPUTA 在用户 QoE 和 ASP 利润方面都优于其他基准算法。 |
| 求助人 | |
| 下载 | |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
科研小民工
SYLH
劲秉
杳鸢
小林太郎
lalala
迟大猫
36456657
故意的傲玉
浦肯野
sweetbearm
Agernon
Zn
iNk
坚强的广山
从心
kingwill
hhhblabla
良辰
眯眯眼的衬衫
皖公网安备34019202002308
