ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Energy Efficient Computation Offloading in Mobile Edge Computing

دانلود کتاب بارگیری محاسبات کارآمد انرژی در محاسبات لبه موبایل

Energy Efficient Computation Offloading in Mobile Edge Computing

مشخصات کتاب

Energy Efficient Computation Offloading in Mobile Edge Computing

ویرایش:  
نویسندگان: , , ,   
سری: Wireless Networks 
ISBN (شابک) : 3031168216, 9783031168215 
ناشر: Springer 
سال نشر: 2022 
تعداد صفحات: 166
[167] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 Mb 

قیمت کتاب (تومان) : 29,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 1


در صورت تبدیل فایل کتاب Energy Efficient Computation Offloading in Mobile Edge Computing به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب بارگیری محاسبات کارآمد انرژی در محاسبات لبه موبایل نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب بارگیری محاسبات کارآمد انرژی در محاسبات لبه موبایل

این کتاب یک بررسی جامع و بحث عمیق در مورد ادبیات تحقیقاتی پیشرفته ارائه می‌کند و بارگذاری محاسباتی کارآمد و مدیریت منابع را برای محاسبات لبه موبایل (MEC) پیشنهاد می‌کند، که بارگذاری وظایف، تخصیص کانال، مقیاس بندی 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 را 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 محاسبات بهینه معرفی می‌کنند. منبعی به گونه ای که مطلوبیت بلندمدت مورد انتظار به حداکثر برسد. در نهایت، نویسندگان بارگیری محاسبات چند وظیفه‌ای را در MEC با دسترسی چندگانه از طریق دسترسی چندگانه غیرمتعامد (NOMA) و محاسبه شرایط کانال متغیر با زمان مطالعه می‌کنند. یک الگوریتم آنلاین مبتنی بر DRL برای یادگیری موثر راه‌حل‌های تخلیه تقریباً بهینه پیشنهاد شده است.
محققانی که در محاسبات لبه تلفن همراه، بارگذاری وظایف و مدیریت منابع، و همچنین دانشجویان سطح پیشرفته در مهندسی برق و کامپیوتر، مخابرات، علوم کامپیوتر کار می‌کنند. یا سایر رشته های مرتبط این کتاب را به عنوان مرجع مفید خواهند یافت. متخصصانی که در این زمینه های مرتبط کار می کنند نیز از این کتاب بهره مند خواهند شد.

 


توضیحاتی درمورد کتاب به خارجی

This book provides a comprehensive review and in-depth discussion of the state-of-the-art research literature and propose energy-efficient computation offloading and resources management for mobile edge computing (MEC), covering task offloading, channel allocation, frequency scaling and resource scheduling. Since the task arrival process and channel conditions are stochastic and dynamic, the authors first propose an energy efficient dynamic computing offloading scheme to minimize energy consumption and guarantee end devices’ delay performance. To further improve energy efficiency combined with tail energy, the authors present a computation offloading and frequency scaling scheme to jointly deal with the stochastic task allocation and CPU-cycle frequency scaling for minimal energy consumption while guaranteeing the system stability. They also investigate delay-aware and energy-efficient computation offloading in a dynamic MEC system with multiple edge servers, and introduce an end-to-end deep reinforcement learning (DRL) approach to select the best edge server for offloading and allocate the optimal computational resource such that the expected long-term utility is maximized. Finally, the authors study the multi-task computation offloading in multi-access MEC via non-orthogonal multiple access (NOMA) and accounting for the time-varying channel conditions. An online algorithm based on DRL is proposed to efficiently learn the near-optimal offloading solutions.
Researchers working in  mobile edge computing, task offloading and resource management, as well as advanced level students in electrical and computer engineering, telecommunications, computer science or other related disciplines will find this book useful as a reference. Professionals working within these related fields will also benefit from this book.

 





نظرات کاربران