基于增强 LSTM 的移动增强现实服务分解
网络与互联网体系结构
2021-04-16 v1 信号处理
摘要
毫无疑问，面向 5G 及更高代无线通信网络的移动增强现实（MAR）应用近来正受到显著关注。然而，它们需要终端设备和/或通过边缘云（EC）支持的网络端提供大量的计算与存储资源。在这项工作中，MAR 服务在微服务的视角下被考量，其中 MAR 服务组件可被分解并锚定在从终端设备到不同 EC 的不同位置，以优化整体服务与网络效率。为此，我们提出一种利用长短期记忆（LSTM）深度神经网络的运动感知 MAR 服务分解，以在实时中提供高效的主动决策。更具体地，LSTM 深度神经网络以离线方式由数学规划公式导出的最优解进行训练。随后，推理阶段的决策被用于优化 MAR 服务的服务分解。大量数值研究表明，运动感知 LSTM 深度神经网络在决策质量与计算时间两方面均优于近期提出的方案。
引用
@article{arxiv.2104.07351,
title = {Enhanced LSTM-based Service Decomposition for Mobile Augmented Reality},
author = {Zhaohui Huang and Vasilis Friderikos},
journal= {arXiv preprint arXiv:2104.07351},
year = {2021}
}
备注
6 pages