0% Complete
English
صفحه اصلی
/
دوازدهمین کنفرانس بین المللی فناوری اطلاعات و دانش
تخلیهبار محاسباتی ریزدانه تحرکآگاه در رایانش لبه برای اینترنت اشیاء
نویسندگان :
شکوفه نوروزی
1
زینب موحدی
2
1- دانشگاه علم و صنعت ایران
2- دانشگاه علم و صنعت ایران
کلمات کلیدی :
تخلیهبار محاسباتی، تحرکآگاه، رایانش لبه، اینترنت اشیاء
چکیده :
امروزه فراگیری اینترنت اشیاء و استفاده از آن در انواع زمینهها، حاکی از اهمیت و تاثیر آن در زندگی جوامع میباشد. توسعه این بستر به علت محدودیتهای دستگاههای متصل به آن از نظر منابع محاسباتی و انرژی، با چالشهایی مواجه است. روشهای تخلیهبار محاسباتی با استفاده از ظرفیت منابع نزدیک به کاربر در رایانش لبه، در راستای مقابله با این محدودیتها ارائه شده است. با توجه به لزوم پیوستگی ارائه خدمات و تخصیص بهینه منابع لبه به کاربران، لحاظ تحرک کاربر و تغییر در مشخصات بار تخلیهشده در طول زمان، در اخذ تصمیم تخصیص مناسب، امری ضروری میباشد. تاکنون پژوهشهایی در حوزه تخلیهبار تحرکآگاه در رایانش لبه صورتگرفته اما از مشکلاتی همچون مدل تحرک تصادفی و غیرواقعگرایانه و همچنین عدم لحاظ تخلیهبار ریزدانه رنج میبرند. در این مقاله به منظور رفع این مشکلات به ارائه روش تخلیهبار محاسباتی ریزدانه تحرکآگاه در رایانش لبه میپردازیم.
لیست مقالات
لیست مقالات بایگانی شده
Leveraging Retrieval-Augmented Generation for Persian University Knowledge Retrieval
Arshia Hemmat - Mohammad Hassan Heydari - Kianoosh Vadaei - Afsaneh Fatemi
سنجش داده محور ارزش ویژه برند کارکنان
علیرضا برادران - سپیده نصیری
Similarity Measures in Medical Image Registration: A Review Article
Zohre Mohammadi - Dr Mohammad Reza Keyvanpour
Identifying Children's Personality Styles through Drawing Analysis using Machine Learning
Maedeh Mosharraf - Faezeh Banabazi
Agentic Username Suggestion and Multimodal Gender Detection in Online Platforms: Introducing the PNGT-26K Dataset
Farbod Bijary - Mohsen Ebadpour - Amirhosein Tajbakhsh
A method for image steganography based on chaotic maps and advanced compression algorithms
Mohammad Yousefi Sorkhi
پیش بینی بیماری قلبی با استفاده از روش تحلیل شبکه ای
هدیه مشتاقی محمدزاده - فاطمه باقری
Integration of Electric Vehicles in Smart Grid using Deep Reinforcement Learning
Farkhondeh Kiaee
COVID-19 Image Retrieval Using Siamese Deep Neural Network and Hashing Technique
Farsad Zamani Boroujeni - Doryaneh Hossein Afshari - Fatemeh Mahmoodi
Attention-Enhanced Ensemble Learning for Automated Stenosis Detection in X-ray Coronary Angiography Videos
Marzieh Sadat Hosseini - Ahmad R. Naghsh-Nilchi - Mehran Safayani - Masoumeh Sadeghi
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 44.5.0