边缘分布式深度学习：一种面向移动边缘网络的新型主动协同缓存框架
网络与互联网体系结构
2018-12-14 v1
摘要
本快报提出两种利用深度学习（DL）预测移动边缘缓存网络中用户内容需求的新型主动协同缓存方法。在第一种方法中，（中心）内容服务器负责从网络中所有移动边缘节点（MENs）收集信息，然后执行我们提出的深度学习（DL）算法以预测整个网络的内容需求。然而，这种集中式方法可能泄露隐私信息，因为 MENs 必须将其本地用户数据与内容服务器共享。因此，在第二种方法中，我们提出了一种基于分布式深度学习（DDL）的新型框架。DDL 允许网络中的 MENs 协作并交换信息，以在不上传移动用户隐私信息的情况下降低内容需求预测误差。仿真结果表明，与其他机器学习算法相比，我们提出的方法可将均方根误差（RMSE）最多降低 33.7%，并将服务时延减少 36.1%。
引用
@article{arxiv.1812.05374,
title = {Distributed Deep Learning at the Edge: A Novel Proactive and Cooperative Caching Framework for Mobile Edge Networks},
author = {Yuris Mulya Saputra and Dinh Thai Hoang and Diep N. Nguyen and Eryk Dutkiewicz and Dusit Niyato and Dong In Kim},
journal= {arXiv preprint arXiv:1812.05374},
year = {2018}
}
备注
4 pages, 6 figures, submitted to IEEE WCL