典型文献
基于深度强化学习的云边协同DNN推理
文献摘要：
现有基于云边协同的深度神经网络(DNN)推理仅涉及边缘设备同构情况下的静态划分策略,未考虑网络传输速率、边缘设备资源、云服务器负载等变化对DNN推理计算最佳划分点的影响,以及异构边缘设备集群间DNN推理任务的最佳卸载策略.针对以上问题,提出基于深度强化学习的自适应DNN推理计算划分和任务卸载算法.以最小化DNN推理时延为优化目标,建立自适应DNN推理计算划分和任务卸载的数学模型.通过定义状态、动作空间和奖励,将DNN推理计算划分和任务卸载组合优化问题转换为马尔可夫决策过程下的最优策略问题.利用深度强化学习方法,从经验池中学习动态环境下边缘设备与云服务器间DNN推理计算划分和异构边缘集群间任务卸载的近似最优策略.实验结果表明,与经典DNN推理算法相比,该算法在异构动态环境下的DNN推理时延约平均降低了28.83％,能更好地满足DNN推理的低时延需求.
文献关键词：
边缘计算;深度神经网络;深度强化学习;推理计算划分;任务卸载
中图分类号：
作者姓名：
刘先锋;梁赛;李强;张锦
作者机构：
湖南师范大学 信息科学与工程学院,长沙 410081
文献出处：
引用格式：
[1]刘先锋;梁赛;李强;张锦-.基于深度强化学习的云边协同DNN推理)[J].计算机工程,2022(11):30-38
A类：
异构边缘设备,推理计算划分
B类：
深度强化学习,云边协同,DNN,深度神经网络,网络传输,传输速率,云服务器,服务器负载,卸载策略,任务卸载,优化目标,动作空间,组合优化问题,问题转换,马尔可夫决策过程,最优策略,强化学习方法,经验池,动态环境,下边,理算,低时延,边缘计算
AB值：
0.206982
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
