多接入边缘计算网络中的计算卸载：一种多任务学习方法
信号处理
2020-06-30 v1 计算复杂性
机器学习
摘要
多接入边缘计算（MEC）已展现出通过将对计算密集型应用的部分任务卸载至邻近集成了 MEC 服务器（MES）的接入点（AP），使移动设备得以承载此类应用的潜力。然而，由于网络状况多变且 MES 计算资源有限，移动设备所采取的卸载决策与 MES 分配的计算资源未必能以最低代价高效实现。本文提出一种面向 MEC 网络的动态卸载框架，其中采用上行非正交多址（NOMA）使多设备经由同一频带上传任务。我们将卸载决策问题建模为多分类问题，将 MES 计算资源分配问题建模为回归问题。随后设计了一种基于多任务学习的前馈神经网络（MTFNN）模型，以联合优化卸载决策与计算资源分配。数值结果表明，所提 MTFNN 在推理精度与计算复杂度方面优于传统优化方法。
引用
@article{arxiv.2006.16104,
title = {Computation Offloading in Multi-Access Edge Computing Networks: A Multi-Task Learning Approach},
author = {Bo Yang and Xuelin Cao and Joshua Bassey and Xiangfang Li and Timothy Kroecker and Lijun Qian},
journal= {arXiv preprint arXiv:2006.16104},
year = {2020}
}