一种图卷积网络增强的边缘计算任务卸载方法

AITNT
正文
推荐专利
一种图卷积网络增强的边缘计算任务卸载方法
申请号:CN202411922201
申请日期:2024-12-24
公开号:CN119847634A
公开日期:2025-04-18
类型:发明专利
摘要
本发明公开了一种图卷积网络增强的边缘计算任务卸载方法,涉及无线通信技术领域,解决具有异构资源的移动边缘计算系统中的依赖任务卸载问题,GCN是一种机器学习模型,它可以嵌入相邻节点的信息,并有效地结合不同节点的特征进行进一步分类,本发明下载方法的基本原理是利用GCN来描述任务依赖关系,并将依赖任务卸载决策问题转化为节点分类问题;由于任务节点特征可以嵌入在一起,GCN可以根据嵌入结果进行节点分类;然后,通过计算完成执行整个应用程序所需的总时间,来确定卸载决策的优越性,从而提高调度和资源分配的效率,系统能够更有效地应对动态变化和资源限制,从而实现更智能的任务管理。
技术关键词
卸载方法 深度强化学习模型 节点特征 服务器节点 矩阵 网络结构 决策 边缘计算环境 有向无环图 机器学习模型 下载方法 卸载策略 无线通信技术 关系 资源分配 元素 周期
系统为您推荐了相关专利信息
1
一种长上下文下的大模型芯片解码阶段推理优化方法、系统及应用
切片 前馈神经网络 解码 投影模块 硬件系统
2
桥梁钢箱积水红外热成像智能识别方法及系统
积水 智能识别方法 红外成像设备 指标 桥梁
3
城市管网系统检测的路径规划方法
城市管网系统 路径规划方法 移动传感器 管道 流速
4
一种融合信任损失和决策再分类的图卷积心脏病检测方法
更新模型参数 矩阵 高斯核函数 医学信息智能 表达式
5
基于压缩感知和深度学习的毫米波频分双工大规模MIMO系统信道估计方法
OFDM系统 压缩感知方法 导频符号 矩阵 信道特征提取
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号