| 标题 |
 SLICE: Energy-Efficient Satellite-Ground Co-Inference via Layer-Wise Scheduling Optimization |
| 网址 | |
| DOI | |
| 其它 |
摘要： 近地轨道（LEO）卫星的最新进展促进了深度神经网络（DNN）固有服务的提供，以实现卫星计算的普及覆盖。然而，DNN模型的计算需求和能耗对有限的卫星计算构成了重大挑战。基于DNN模型的分层特性，引入了卫星-地面共推断策略，该策略在卫星上执行部分层，地面服务器执行剩余层。然而，由于不同模型卫星计算的能耗尚未充分探索，以及卫星-地面链路通信条件有限但变化多样，确定轨道处理的最优层并非易事。本文首先进行全面测量，揭示不同层次和模型中卫星计算的能耗。通过总结关键观测，我们开发了一个针对不同DNN架构和核的层级特定能耗模型。随后，我们研究了节能卫星-地面协推断问题，并将其表述为一个整数非线性规划问题，该问题具有较高的计算复杂度。为解决这些难题，我们提出了一种卫星-地面共推算法，采用分支定界策略，结合Sobol序列和拉格朗日乘数，以降低复杂性并确保在不同DNN架构中的稳定性。为了评估所提出的算法，我们基于真实世界的卫星参数进行实验。结果表明，我们提出的算法在不同数据量下，相较现有基准测试平均能耗节省96%。 |
| 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)
XX
GingerF
Nole
6666
囧囧
谪仙
OK
Kao
无极微光
mmyhn
xuz
cdercder
好好
睡个好觉
猪十六
渡人舟
Criminology34
放过我吧
heekkll
打瞌睡的白水
皖公网安备34019202002308
