درباره این محصول

این کتاب یک بررسی جامع و بحث عمیق درباره ادبیات تحقیقاتی پیشرفته ارائه می‌کند و تخلیه محاسباتی با انرژی کارآمد و مدیریت منابع را برای محاسبات لبه موبایل (MEC)، ارائه می‌کند، که بارگذاری کار، تخصیص کانال، مقیاس‌بندی فرکانس و زمان بندی منابع از آنجایی که فرآیند رسیدن کار و شرایط کانال تصادفی و پویا هستند، نویسندگان ابتدا یک طرح تخلیه محاسباتی پویا با انرژی کارآمد برای به حداقل رساندن مصرف انرژی و تضمین عملکرد تاخیر دستگاه‌های پایانی پیشنهاد می‌کنند. برای بهبود بیشتر بهره وری انرژی همراه با انرژی دم، نویسندگان یک طرح تخلیه محاسباتی و مقیاس بندی فرکانس را ارائه می کنند تا به طور مشترک با تخصیص کار تصادفی و مقیاس فرکانس چرخه CPU برای حداقل مصرف انرژی و در عین حال تضمین پایداری سیستم مقابله کند. آنها همچنین بارگذاری محاسباتی با تأخیر و کارآمدی انرژی را در یک سیستم MEC پویا با سرورهای لبه متعدد بررسی می‌کنند و یک رویکرد یادگیری تقویتی عمیق (DRL) را برای انتخاب بهترین سرور لبه برای بارگذاری و تخصیص بهینه محاسباتی معرفی می‌کنند.

نقد و بررسی محصول

این کتاب یک بررسی جامع و بحث عمیق درباره ادبیات تحقیقاتی پیشرفته ارائه می‌کند و تخلیه محاسباتی با انرژی کارآمد و مدیریت منابع را برای محاسبات لبه موبایل (MEC)، ارائه می‌کند، که بارگذاری کار، تخصیص کانال، مقیاس‌بندی فرکانس و زمان بندی منابع از آنجایی که فرآیند رسیدن کار و شرایط کانال تصادفی و پویا هستند، نویسندگان ابتدا یک طرح تخلیه محاسباتی پویا با انرژی کارآمد برای به حداقل رساندن مصرف انرژی و تضمین عملکرد تاخیر دستگاه‌های پایانی پیشنهاد می‌کنند. برای بهبود بیشتر بهره وری انرژی همراه با انرژی دم، نویسندگان یک طرح تخلیه محاسباتی و مقیاس بندی فرکانس را ارائه می کنند تا به طور مشترک با تخصیص کار تصادفی و مقیاس فرکانس چرخه CPU برای حداقل مصرف انرژی و در عین حال تضمین پایداری سیستم مقابله کند. آنها همچنین بارگذاری محاسباتی با تأخیر و کارآمدی انرژی را در یک سیستم MEC پویا با سرورهای لبه متعدد بررسی می‌کنند و یک رویکرد یادگیری تقویتی عمیق (DRL) را برای انتخاب بهترین سرور لبه برای بارگذاری و تخصیص بهینه محاسباتی معرفی می‌کنند.

این محتوا برای تست discovery و تکمیل داده نمایش داده می‌شود و تا زمان claim رسمی فروشگاه، به معنی تایید محتوای فروشنده توسط RQmarket نیست.

مشخصات کلیدی

نظرهای خرید تأییدشده در RQmarket

نظرات و امتیاز کاربران منبع

نام نمایشی و provenance منبع حفظ می‌شود، اما این رکوردها به customer ساختگی یا حساب RQmarket متصل نمی‌شوند. این بخش فقط‌خواندنی است.