| 标题 |
 Dynamic Collaborative Inference for Multi-Type DNN Tasks in Space-Ground Networks: A DRL Approach |
| 网址 | |
| DOI | |
| 其它 |
摘要： 6G网络的出现正在推动“空间-空地-海”一体化连接的范式转变，卫星通信正从核心基础设施的辅助角色演变，实现无处不在的覆盖。与此同时，AI驱动的深度神经网络（DNN）大规模遥感数据实时处理的快速增长，加剧了对高效计算策略的需求。虽然机载DNN推断减轻了数据传输需求，但低地球轨道（LEO）卫星面临显著的资源限制，因此卫星与地面系统之间需要协作计算。现有的卫星-地面协作框架，专为传统确定性任务设计，未能解决DNN推断固有的计算复杂性和大规模数据，导致潜在的延迟违规和能耗低落。为克服这些挑战，本文提出了一种联合模型划分与资源分配（JMP-RA）方案。通过根据实时信道条件和任务需求动态调整模型划分和资源分配，JMP-RA最大限度地减少了机载能耗，同时确保任务的可靠完成。模拟结果显示，JMP-RA相比传统方法实现了任务丢弃率降低19.3%，能效提升5.1%。此外，JMP-RA在多种网络配置（带宽：50–300 MHz;计算能力：0.1–0.35 TFLOPS）中展现出强的适应性，验证了其在动态空间-地面边缘计算环境中的有效性。 |
| 求助人 | |
| 下载 | 该求助完结已超 24 小时，文件已从服务器自动删除，无法下载。 |
PDF的下载单位、IP信息已删除
(2025-6-4)
Nole
秋风
DW
无极微光
Enigma_GEB
嘉心糖
cdercder
aajhajkahna
xing_xing
七听
Criminology34
coolru
牧青
贪玩的秋柔
乐空思
老的火龙果
程超智慧
谢雷XIELei
拆迁办禁言
二七
皖公网安备34019202002308
