| 标题 |
 Online Scheduling With Trajectory Prediction for Collaborative DNN Inference in Vehicular Networks 相关领域
计算机科学
推论
调度（生产过程）
后悔
弹道
延迟（音频）
人工智能
背景（考古学）
实时计算
车辆动力学
深层神经网络
分拆（数论）
车载自组网
智能交通系统
深度学习
机器学习
人工神经网络
作业车间调度
二元曲线
分布式计算
近似推理
结构化预测
推理机
数据建模
因果推理
在线学习
在线算法
|
| 网址 | |
| DOI | |
| 其它 |
摘要： 近年来，深度神经网络（DNN）被广泛用于提供车辆智能服务。鉴于车辆计算能力有限，协作式车辆边缘DNN推理已成为一种有前景的方法。该方法对DNN进行划分，然后将部分分配给车辆或边缘，例如路边单元（RSU），以便进行顺序推断。然而，由于DNN模型负载分布不均且道路交通状况多变，确定最优DNN划分具有挑战性。此外，车辆移动可能导致推断结果丢失，如果车辆离开RSU信号覆盖范围。为此，我们提出了一种新的在线学习协作式DNN推理框架MCI。MCI利用多个RSU协助车辆进行顺序推断，确保数据传输的可靠性。为降低学习成本，MCI设计轨迹预测，分析车辆上下文后再做决策。随后，MCI结合经典的EXP4和LinUCB算法，学习系统动力学并做出有效的调度决策。我们证明MCI实现了亚线性后悔界限O(T3/4日志T−−−−√).大量实验结果表明，MCI可将延迟降低高达68%，且故障率低于最先进算法。 |
| 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。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
PDF的下载单位、IP信息已删除
(2025-6-4)
Nole
秋风
无极微光
DW
老的火龙果
cdercder
热切菩萨
GingerF
xing_xing
aajhajkahna
牧青
369ninja
OK
DOC_XIONG
贪玩的秋柔
殷勤的紫槐
悦耳的怀寒
科研狗
Kao
ZapZapZoom
皖公网安备34019202002308
