Key points are not available for this paper at this time.
تعتبر الحوسبة الطرفية المحمولة المعتمدة على الطائرات بدون طيار (UAV) تقدم قدرات حوسبية لمستخدمي الموارد المحدودة. في هذه الورقة، ندرس استراتيجية تحميل المهام في أنظمة الحوسبة الطرفية المحمولة الم enabled بواسطة الطائرات بدون طيار، حيث يقوم المستخدمون بتحميل المهام ذات الحمل الحوسبي العالي إلى الطائرة بدون طيار لتقليل التكلفة الإجمالية من حيث التأخير الوزني واستهلاك الطاقة. يقوم المستخدمون إما بمعالجة المهام بأنفسهم أو تحميلها إلى الطائرة بدون طيار التي تعمل كنقطة وصول حوسبية. ومع ذلك، بسبب عنق الزجاجة في الحوسبة وسعة القناة المحدودة بين الطائرة بدون طيار والمستخدمين، يصبح من الصعب تحميل جميع المهام إلى الطائرة بدون طيار. لذا، للعثور على قرار التحميل الأمثل للمهام المولدة من قبل المستخدمين، نبني شبكة عصبية عميقة موزعة (DNN). في نموذج DNN الموزع المقترح، نقوم بتدريب عدة DNNs في نفس مثال التدريب، وأخيراً، للتحقق من الصحة، نختار DNN الذي يقدم أقل خسارة تدريب. من أجل تسريع تلاقي عملية التدريب، نستخدم قرار التحميل الأمثل المولد باستخدام برنامج خطي محدود بشكل تربيعي (QCLP) مع استرخاء شبه محدد (SDR). تظهر نتائج المحاكاة الواسعة أن قرار التحميل المنتَج بواسطة DNN المدرب يمكن أن يحقق أداءً قريباً من الأمثل مع إعدادات متعددة لمعايير النظام.
درس موخيرجي وآخرون (الأربعاء) هذا السؤال.