.png){kind=icon}
返回
A Pervasive Edge Computing Model for Proactive Intelligent Data Migration
.png){kind=icon}
PRE
AI
DOI：10.1109/TETC.2025.3528994.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目前，研究界高度关注在物联网（IoT）与边缘计算（EC）的交叉领域中，以情境感知方式对数据进行智能管理。本文提出了一种由自主边缘节点采用的策略，该策略涉及节点关于哪些数据应迁移到基础设施特定位置的决策，并支持所需的数据处理请求。我们的意图是赋予节点学习卸载数据驱动任务访问模式的能力，并预测哪些数据应迁移至任务的原始‘所有者’。这些任务自然与原始宿主节点缺失的数据处理相关联，表明了需要直接访问的所需数据资产。为识别这些数据区间，我们采用了一种集成方案，该方案结合了基于统计的模型和机器学习方案。因此，我们不仅能够检测请求的密度，还能学习和推断‘强’数据资产。所提出的方法通过呈现相应的公式进行了详细分析，并与基准方法及文献中发现的模型进行了评估和比较。
Keyword:
Internet of Things
edge computing
pervasive computing
pervasive data science
data migration
期刊
IF:
5.4
论文数:
1.1K
被引数:
3.4K
机构
引用论文
Multiobjective Optimization for Joint Task Offloading, Power Assignment, and Resource Allocation in Mobile Edge Computing移动边缘计算中联合任务卸载、功率分配和资源分配的多目标优化
PREAI
分享收藏
Boulougaris, G.; Kolomvatsos, K. An inference mechanism for proactive service migration at the edge. IEEE Trans. Netw. Serv. Manag. 2023, 20, 4505–4516. [Google Scholar] [CrossRef]Boulougaris, G.; Kolomvatsos, K. 一种用于边缘主动服务迁移的推理机制。IEEE Trans. Netw. Serv. Manag. 2023, 20, 4505–4516. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏Delay-Aware Microservice Coordination in Mobile Edge Computing: A Reinforcement Learning Approach移动边缘计算中的延迟感知微服务协调: 一种强化学习方法
PREAI
分享收藏A Survey on Federated Learning Systems: Vision, Hype and Reality for Data Privacy and Protection
OAAI
OAAI分享收藏
查看更多内容