La computación de borde móvil (MEC) es un paradigma de computación novedoso que promete el efecto dramático de la reducción de la latencia y el consumo de energía mediante la descarga de computación intensiva; estas tareas a las nubes de borde en la proximidad cerca de los usuarios móviles inteligentes. En esta investigación, se reduce la descarga y la latencia entre la computación de borde y los multiusuarios bajo el entorno de la aplicación IoT en 5G utilizando el algoritmo de optimización de búsqueda del águila calva. El enfoque de aprendizaje profundo puede consumir una alta complejidad computacional y más tiempo. En un sistema de computación de borde, los dispositivos pueden descargar sus tareas de computación intensiva a los servidores de borde para ahorrar energía y acortar su latencia. El algoritmo del águila calva (BES) es un algoritmo de optimización avanzado que se asemeja a la estrategia de la caza del águila. Las estrategias son la selección, la búsqueda y las etapas de picado. Anteriormente, el algoritmo BES se utiliza para consumir la energía y la distancia; para mejorar la energía mejor y reducir la latencia de descarga en esta investigación y algunos retrasos se producen cuando los dispositivos de aumento provoca la demanda de datos de la nube, se puede mejorar ofreciendo ROS (recurso) estimación. Para mejorar el algoritmo BES que introduce la etapa de estimación ROS para seleccionar los mejores ROS, un sistema de borde, que descarga las subtareas IoT más apropiadas a los servidores de borde entonces el tiempo esperado de ejecución, se minimizó. Basándonos en la descarga multiusuario, propusimos un algoritmo de optimización de búsqueda del águila calva que puede reducir eficazmente el tiempo final para obtener dispositivos IoT rápidos y casi óptimos. La latencia se reduce de la nube a lo local; esto puede superarse utilizando la computación de borde, y el aprendizaje profundo espera resultados más rápidos y mejores de la red. Esto puede ser propuesto por la técnica del algoritmo BES que es mejor que otros métodos convencionales que se comparan en los resultados para minimizar la latencia de descarga. A continuación, se realiza la simulación para mostrar la eficiencia y la estabilidad mediante la reducción de la latencia de descarga.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Clasificación y predicción de la diabetes basadas en aprendizaje automático para aplicaciones sanitarias
Artículo:
Ingeniería de proteínas para el mejoramiento de enzimas
Artículo:
Crecimiento por oxidación directa de nanocables de CuO a partir de sustratos que contienen cobre
Artículo:
Nuevos conocimientos sobre la fisiopatología, el diagnóstico y el tratamiento de la sinusitis maxilar odontogénica
Artículo:
Preparación y caracterización de nanofluidos de carbono mediante un método revisado de síntesis asistida por agua
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Artículo:
Importancia, manejo y control de extraíbles e incrustaciones (pitch) en la fabricación de papel
Libro:
Tratamientos avanzados de aguas residuales industriales
Artículo:
Distintas formas de simular valores de variables aleatorias con distribución normal estándar