ترجمه فارسی مقاله اثبات سهم در بلاکچین با استفاده از مدل یادگیری عمیق نظری بازی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی A proof of contribution in blockchain using game theoretical deep learning model
عنوان مقاله به فارسی اثبات سهم در بلاکچین با استفاده از مدل یادگیری عمیق نظری بازی
نویسندگان Jin Wang
فرمت مقاله انگلیسی PDF
تعداد صفحات 11
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Cryptography and Security,Machine Learning,رمزنگاری و امنیت , یادگیری ماشین ,
توضیحات Submitted 25 August, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده 25 اوت 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Building elastic and scalable edge resources is an inevitable prerequisite for providing platform-based smart city services. Smart city services are delivered through edge computing to provide low-latency applications. However, edge computing has always faced the challenge of limited resources. A single edge device cannot undertake the various intelligent computations in a smart city, and the large-scale deployment of edge devices from different service providers to build an edge resource platform has become a necessity. Selecting computing power from different service providers is a game-theoretic problem. To incentivize service providers to actively contribute their valuable resources and provide low-latency collaborative computing power, we introduce a game-theoretic deep learning model to reach a consensus among service providers on task scheduling and resource provisioning. Traditional centralized resource management approaches are inefficient and lack credibility, while the introduction of blockchain technology can enable decentralized resource trading and scheduling. We propose a contribution-based proof mechanism to provide the low-latency service of edge computing. The deep learning model consists of dual encoders and a single decoder, where the GNN (Graph Neural Network) encoder processes structured decision action data, and the RNN (Recurrent Neural Network) encoder handles time-series task scheduling data. Extensive experiments have demonstrated that our model reduces latency by 584% compared to the state-of-the-art.

چکیده به فارسی (ترجمه ماشینی)

ایجاد منابع الاستیک و مقیاس پذیر یک پیش نیاز اجتناب ناپذیر برای ارائه خدمات شهر هوشمند مبتنی بر پلتفرم است.خدمات هوشمند شهر از طریق Edge Computing برای ارائه برنامه های کم تأخیر تحویل داده می شوند.با این حال ، محاسبات Edge همیشه با چالش منابع محدود روبرو بوده است.یک دستگاه لبه واحد نمی تواند محاسبات مختلف هوشمندانه را در یک شهر هوشمند انجام دهد و استقرار در مقیاس بزرگ دستگاه های Edge از ارائه دهندگان خدمات مختلف برای ساخت یک بستر منبع Edge به یک ضرورت تبدیل شده است.انتخاب قدرت محاسبات از ارائه دهندگان خدمات مختلف یک مشکل نظری بازی است.برای ایجاد انگیزه در ارائه دهندگان خدمات برای کمک به منابع ارزشمند خود و تأمین قدرت محاسبات مشترک با تأخیر ، ما یک مدل یادگیری عمیق-نظری بازی را معرفی می کنیم تا به اجماع ارائه دهندگان خدمات در مورد برنامه ریزی کار و تهیه منابع بپردازیم.رویکردهای سنتی مدیریت منابع متمرکز ناکارآمد و فاقد اعتبار هستند ، در حالی که معرفی فناوری blockchain می تواند تجارت و برنامه ریزی منابع غیرمتمرکز را امکان پذیر کند.ما یک مکانیسم اثبات مبتنی بر مشارکت را برای ارائه خدمات کم تأخیر محاسبات لبه پیشنهاد می کنیم.مدل یادگیری عمیق شامل رمزگذارهای دوگانه و یک رمزگذار واحد است که در آن رمزگذار GNN (نمودار شبکه عصبی) داده های اقدام تصمیم گیری ساختار یافته را پردازش می کند ، و رمزگذار RNN (شبکه عصبی مکرر) داده های برنامه ریزی کار سری را انجام می دهد.آزمایش های گسترده نشان داده است که مدل ما در مقایسه با پیشرفته ترین ، 584 ٪ تأخیر را کاهش می دهد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.