| 标题 |
 Joint Optimization of Resource and Pricing for Collaborative CNN Inference in Edge Computing |
| 网址 | |
| DOI | |
| 其它 |
摘要： 卷积神经网络（CNN）因其强大的特征提取能力和高推理精度，已被广泛应用于多访问边缘计算系统。利用终端设备和边缘服务器的异构计算能力，端沿协同推理解决了终端设备的资源限制和实时推理的延迟挑战。然而，现有研究通常假设所有潜在的推理模型都已预先部署在服务器上，这可能并不总是与实际部署场景一致。此外，当前分布式推理研究常常忽视边缘服务提供商的经济激励。为解决这些问题，我们提出了一个用于多访问边缘计算系统中CNN的端沿协作推断框架，名为DisCNN。我们首先将延迟敏感终端设备（ED）与资源受限的边缘服务提供商之间的交互建模为斯塔克尔伯格博弈，并证明子博弈完美均衡的存在。接下来，我们推导出ED的最优响应特性，并开发高效算法，将计算和通信资源分配给EDs，同时相应划分CNN。为了计算最优卸载集，我们引入一个具有有界近似比的线性时间算法。然后，为了共同优化缓存、资源分配和定价，我们设计了高效的近似算法，以计算出近似最优解。最后，大量模拟结果验证了该框架的有效性。 |
| 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)
OK
学霸业
Elsevier大王
GingerF
忧心的曼凝
老迟到的涫
无极微光
AN
极限001
初景
渡人舟
HJJHJH
DW
null
可爱的储
aajhajkahna
Yinxb
莲花盛开
My_magnum_opus
蓝天
皖公网安备34019202002308
