威尼斯平台登录

近期,威尼斯平台登录教师林兵博士的研究成果在《IEEE Transactions on Industrial Informatics》上发表

来源:威尼斯平台登录 时间:2020-07-15浏览:10

近期,威尼斯平台登录林兵博士研究成果Cost-Driven Off-Loading for DNN-Based Applications Over Cloud, Edge, and End Devices 研究成果在《IEEE Transactions on Industrial Informatics》上发表。

论文简介如下:

目前,深度神经网络(DNNs)在各种应用中取得了巨大的成功。传统的DNN在云端进行部署,当输入数据从终端设备传输到云端中时可能会导致严重延迟。为了解决这个问题,在云、边缘端和终端设备组成的混合计算环境中,通过将云中较大的层(更多的数据)、边缘端以及终端设备上较小的层(更少的数据)结合起来,对DNN层进行卸载。在混合计算环境中,一个关键问题是如何在完成具有截止时间约束的卸载层的同时,最小化系统成本。本文提出了一种基于遗传算法(GA)算子的自适应离散粒子群优化(PSO)算法,以降低数据传输和执行DNN层带来的系统开销。这种方法考虑了DNNs在云端、边缘端和终端设备上的划分和卸载的特征。采用遗传算法中的变异算子和交叉算子,避免了粒子群算法的早熟收敛;通过增强粒子群算法的种群多样性,显著降低了系统成本。将所提出的卸载策略与基准方案进行了比较,结果表明,相对于基准方案,我们的策略可以有效地降低基于DNN的应用程序在云端、边缘端和终端设备上卸载的系统成本。


原文链接:https://ieeexplore.ieee.org/abstract/document/8941306

本网全文下载Cost-Driven Off-Loading for DNN-Based Applications over Cloud, Edge and End Devices.pdf.pdf



版权所有 ? 威尼斯平台登录 | 地址:福建省福州市大学城科技路1号福建师范大学旗山校区(350117)

闽ICP备05000146号 | 闽公网安备 35010402350565号

威尼斯平台登录-威尼斯国际官方网站
Baidu
sogou