Izpis gradiva

A+ | A- | | SLO | ENG

Naslov: Multi-user task offloading for mobile edge computing based on reinforcement learning Avtorji: ID Nandhini, Jembu Mohanram (Avtor) ID Saravanan, Kaliaperumal (Avtor) ID Anuratha, Kesavan (Avtor) ID Uma, Sankar (Avtor) Datoteke: PDF - Predstavitvena datoteka, prenos (2,00 MB) MD5: 54337F661CDB21C3CD396D98CF28D8CB   URL - Izvorni URL, za dostop obiščite https://ojs.midem-drustvo.si/index.php/InfMIDEM/article/view/1949   URL - Izvorni URL, za dostop obiščite \"https://www.midem-drustvo.si/journal_papers/MIDEM_55(2025)3p5.pdf   To gradivo ima še več datotek. Celoten seznam je na voljo spodaj. Jezik: Angleški jezik Tipologija: 1.01 - Izvirni znanstveni članek Organizacija: MIDEM - Strokovno društvo za mikroelektroniko, elektronske sestavne dele in materiale Povzetek: Mobile Edge computing (MEC) enables network functions and control programmable and operates key constituents of social networks in terms of increasing user’s support on devices to carry out compute. It requires traffic offloading and task scheduling to improve the storage and fast computing. In this paper, a novel method, including data driven traffic modeling enabled by a Reinforcement learning algorithm (RLTOA), is proposed for offloading traffic and improving the computing speed and minimizing the application latency of the social network. The result of the proposed data driven modeling is compared with existing methods and validate how the data driven traffic modeling for providing the computation offloading service in terms of energy budget and the mobile drop and execution of edge server. The presented computation offloading, and energy management solutions can provide valuable perceptions for practical applications of MEC. Extensive numerical findings are presented to endorse the efficacy of RLTOA and display the effect of the social network requirement. Ključne besede: MEC, reinforcement learning, traffic offloading, task scheduling Status publikacije: Objavljeno Verzija publikacije: Objavljena publikacija Datum objave: 01.01.2025 Leto izida: 2025 Št. strani: str. 183-192 Številčenje: Vol. 55, no. 3 PID: 20.500.12556/DiRROS-30241  UDK: 004 ISSN pri članku: 0352-9045 DOI: 10.33180/InfMIDEM2025.305  COBISS.SI-ID: 281505283  Opomba: Besedilo v angl.; Datum objave v DiRROS: 18.06.2026 Število ogledov: 120 Število prenosov: 172 Metapodatki:    Citiraj gradivo Navadno besedilo BibTeX EndNote XML EndNote/Refer RIS ABNT ACM Ref AMA APA Chicago 17th Author-Date Harvard IEEE ISO 690 MLA Vancouver : Kopiraj citat

Objavi na: Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Gradivo je del revije

Naslov:	Informacije MIDEM : časopis za mikroelektroniko, elektronske sestavne dele in materiale
Skrajšan naslov:	Inf. MIDEM
Založnik:	Strokovno društvo za mikroelektroniko, elektronske sestavne dele in materiale
ISSN:	0352-9045
COBISS.SI-ID:	1220612

Licence

Licenca:	CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:	http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:	To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.

Sekundarni jezik

Jezik:	Slovenski jezik
Naslov:	Razbremenitev večuporabniških nalog za mobilno robno računalništvo na podlagi okrepljenega učenja
Povzetek:	Mobilno robno računalništvo (MEC) omogoča programiranje omrežnih funkcij in nadzora ter upravlja ključne sestavne dele družbenih omrežij z vidika povečanja podpore uporabnikom na napravah za izvajanje računalniških operacij. Za izboljšanje shranjevanja in hitrega računalniškega delovanja je potrebno razbremenjevanje prometa in načrtovanje nalog. V članku je predlagana nova metoda, vključno z modeliranjem prometa na podlagi podatkov, ki ga omogoča algoritem okrepljenega učenja (RLTOA), za razbremenitev prometa in izboljšanje hitrosti računalniškega obdelovanja ter zmanjšanje zakasnitve aplikacij družbenega omrežja. Rezultat predlaganega modeliranja na podlagi podatkov so primerjani z obstoječimi metodami in potrjujejo modeliranje prometa na podlagi podatkov za zagotavljanje storitve razbremenitve računalniških operacij v smislu energijskega proračuna in mobilnega padca ter izvajanja robnega strežnika. Predstavljene rešitve za razbremenitev računalniških operacij in upravljanje z energijo lahko zagotovijo dragocene ugotovitve za praktične aplikacije MEC. Predstavljeni so obsežni numerični rezultati, ki potrjujejo učinkovitost RLTOA in prikazujejo učinek zahtev družbenega omrežja
Ključne besede:	MEC, okrepljeno učenje, razbremenitev prometa, načrtovanje nalog

Zbirka

To gradivo je del naslednjih zbirk del:

1. Informacije MIDEM

Datoteke

Podatki se nalagajo...

Nazaj