IoT网络中基于ML服务的节能放置
系统与控制
2022-03-24 v1 系统与控制
摘要
物联网（IoT）正日益蓬勃发展，致力于弥合物理世界与数字世界之间的鸿沟。IoT的主要目标是创建智能环境与自感知物体，以助力实现智能交通、气候监测、电子健康等多种服务。互联传感器/物体预计将收集海量数据，在传统情形下这些数据由核心网中大型数据中心集中处理，不可避免地导致过高的传输功耗以及额外的时延开销。为此，工业界与学术界提出雾计算，将云的能力延伸至数据于感知层被采集之处。如此，可承载于IoT传感器的初级任务无需远送至云端处理。本文提出一种基于混合整数线性规划（MILP）优化模型的云-雾网络上机器学习（ML）模型的节能嵌入方法。我们在框架中利用虚拟化提供深度神经网络（DNN）层的服务抽象，这些层可组合为一组由虚拟链路互联的虚拟机（VMs）。我们约束了可在IoT层处理的VM数量，并研究了其对云-雾方法性能的影响。
引用
@article{arxiv.2203.12312,
title = {Energy Efficient Placement of ML-Based Services in IoT Networks},
author = {Mohammed M. Alenazi and Barzan A. Yosuf and Sanaa H. Mohamed and Taisir E. H. El-Gorashi and Jaafar M. H. Elmirghani},
journal= {arXiv preprint arXiv:2203.12312},
year = {2022}
}