엣지 컴퓨팅에서의 정밀 오프로드: 예측 모델 활용

조사의 의도된 효과는 서비스 제공을 최적화하고 사용자의 경험 품질(QoE)을 개선하기 위한 정교한 예측 및 결정 모델을 제공하는 것입니다. 이 연구는 엣지 컴퓨팅 환경에서 작업 오프로드와 관련된 문제를 다룹니다. 서비스 대기 시간을 줄이고 전반적인 성능을 향상시키기 위해 양방향 긴 단기 기억(B-LSTM) 모델을 사용합니다. 이 모델은 작업 생성 및 서버 부하를 예측하는 능력을 제공합니다. 다양한 장치의 특성을 수용하기 위해 선택적 목표 오프로드 결정(SOOD) 접근 방식이 제안됩니다. 이 방법은 서버 평가를 여러 기준을 포함한 결정 문제로 전환하기 위해 TOPSIS 방법론을 활용합니다. SOOD 패러다임을 통해 사용자 경험 품질이 98.4% 크게 향상됩니다. 또한 예기치 않은 작업 패턴을 관리하기 위해 신속 오프로드 결정(ROD) 모델이 제안됩니다. 이는 주변 장치의 로그 정보를 사용하여 즉각적이고 신뢰할 수 있는 오프로드 선택을 가능하게 합니다. 예측 알고리즘과 선택적 의사 결정을 통해 이 연구는 엣지 컴퓨팅 효율성을 개선하기 위한 종합 전략을 제공합니다. 이 기술의 목표는 서버와 사용자 경험의 활용을 극대화하는 것입니다.