-
公开(公告)号：CN112416603B
公开(公告)日：2023-04-07
申请号：CN202011448349.3
申请日：2020-12-09
Applicant: 北方工业大学
IPC: G06F9/50
Abstract: 本发明公开了一种基于雾计算的联合优化系统和方法，包括：一个多层的架构，包括本地计算层、雾计算层和云计算层。本地计算层包括移动设备，雾服务器层包含多个雾服务器和一个FSM。联合优化计算卸载、数据压缩、能量回收和应用场景，并形成JCDEA算法。通过变换不同参数值，观察计算卸载策略的分布情况。最后，比较不同的卸载数据量、用户数量、应用场景和数据压缩率下的成本变化。本发明的优点是：得到了雾计算、本地计算和云计算之间的优劣，为之后雾服务器和云服务器的部署提供了参考。
-
公开(公告)号：CN112910716B
公开(公告)日：2023-04-18
申请号：CN202110250524.6
申请日：2021-03-08
Applicant: 北方工业大学
IPC: H04L41/044 , H04L41/042 , H04L41/0823 , H04L41/14 , H04L67/025 , H04L67/1004 , H04L67/1097 , G06N3/08
Abstract: 本发明公开了一种基于分布式DNN的移动雾计算损耗联合优化系统和方法，包括：本地计算层、雾计算层和云计算层。本地计算层通过用户设备计算任务。雾计算层用于为卸载任务提供雾计算服务，以降低用户设备本身计算的时延和能耗。云计算层用于处理大规模计算和高复杂性计算。卸载任务通过无线网络先发送至离本地层雾接收节点，通过雾接收节点上传至雾计算层，最后由雾计算层上传至云计算层，用户独立决定是否将任务卸载到雾服务器进行计算，雾服务器可以决定是否将任务再次卸载到上层的云服务器进行计算。本发明的优点是：短时间内给出每个卸载任务的最优卸载决策，卸载的平均准确率高，对每个神经网络模型进行优化，能够更快速地达到收敛状态。
-
公开(公告)号：CN112910716A
公开(公告)日：2021-06-04
申请号：CN202110250524.6
申请日：2021-03-08
Applicant: 北方工业大学
Abstract: 本发明公开了一种基于分布式DNN的移动雾计算损耗联合优化系统和方法，包括：本地计算层、雾计算层和云计算层。本地计算层通过用户设备计算任务。雾计算层用于为卸载任务提供雾计算服务，以降低用户设备本身计算的时延和能耗。云计算层用于处理大规模计算和高复杂性计算。卸载任务通过无线网络先发送至离本地层雾接收节点，通过雾接收节点上传至雾计算层，最后由雾计算层上传至云计算层，用户独立决定是否将任务卸载到雾服务器进行计算，雾服务器可以决定是否将任务再次卸载到上层的云服务器进行计算。本发明的优点是：短时间内给出每个卸载任务的最优卸载决策，卸载的平均准确率高，对每个神经网络模型进行优化，能够更快速地达到收敛状态。
-
公开(公告)号：CN112416603A
公开(公告)日：2021-02-26
申请号：CN202011448349.3
申请日：2020-12-09
Applicant: 北方工业大学
IPC: G06F9/50
Abstract: 本发明公开了一种基于雾计算的联合优化系统和方法，包括：一个多层的架构，包括本地计算层、雾计算层和云计算层。本地计算层包括移动设备，雾服务器层包含多个雾服务器和一个FSM。联合优化计算卸载、数据压缩、能量回收和应用场景，并形成JCDEA算法。通过变换不同参数值，观察计算卸载策略的分布情况。最后，比较不同的卸载数据量、用户数量、应用场景和数据压缩率下的成本变化。本发明的优点是：得到了雾计算、本地计算和云计算之间的优劣，为之后雾服务器和云服务器的部署提供了参考。
-
-
-
Search Results
4
records
(took 0.016 seconds)
