基于深度学习模型的主动式任务管理

普适计算应用处理围绕用户的智能，这些智能可以便利用户的活动。这种智能以嵌入系统或靠近终端用户的设备中的软件组件形式提供。边缘计算（EC）基础设施是能够承载智能普适服务的一个示例性基础设施。EC节点可以为物联网（IoT）基础设施中设备收集的数据执行多项任务。在本文中，我们提出了一种基于需求的智能主动式任务管理模型。需求描述了有兴趣使用EC节点中可用任务的用户或应用程序的数量，从而表征了它们的流行度。我们依赖深度机器学习（DML）模型，更具体地说，是长短期记忆（LSTM）网络，来学习每项任务的需求指标分布，并估计未来的兴趣度。这些信息与历史观察数据相结合，支持一个决策方案，以决定哪些任务将因兴趣有限而被卸载。我们注意到，在决策过程中，我们还考虑了每项任务可能给其被分配到的处理节点带来的负载。我们通过大量的实验模拟来评估所提出的机制，以描述我们的模型。我们提供了数值结果，并揭示了所提出的方案能够实时决策，同时得出最高效的分配方案。