ترجمه فارسی مقاله تخصیص مدل مشترک و تخصیص منابع برای خدمات مقرون به صرفه تولید موبایل

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Joint Model Assignment and Resource Allocation for Cost-Effective Mobile Generative Services
عنوان مقاله به فارسی تخصیص مدل مشترک و تخصیص منابع برای خدمات مقرون به صرفه تولید موبایل
نویسندگان Shuangwei Gao, Peng Yang, Yuxin Kong, Feng Lyu, Ning Zhang
فرمت مقاله انگلیسی PDF
تعداد صفحات 6
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Distributed, Parallel, and Cluster Computing,Artificial Intelligence,Machine Learning,محاسبات توزیع شده , موازی و خوشه ای , هوش مصنوعی , یادگیری ماشین
توضیحات Submitted 8 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 8 سپتامبر 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

Artificial Intelligence Generated Content (AIGC) services can efficiently satisfy user-specified content creation demands, but the high computational requirements pose various challenges to supporting mobile users at scale. In this paper, we present our design of an edge-enabled AIGC service provisioning system to properly assign computing tasks of generative models to edge servers, thereby improving overall user experience and reducing content generation latency. Specifically, once the edge server receives user requested task prompts, it dynamically assigns appropriate models and allocates computing resources based on features of each category of prompts. The generated contents are then delivered to users. The key to this system is a proposed probabilistic model assignment approach, which estimates the quality score of generated contents for each prompt based on category labels. Next, we introduce a heuristic algorithm that enables adaptive configuration of both generation steps and resource allocation, according to the various task requests received by each generative model on the edge.Simulation results demonstrate that the designed system can effectively enhance the quality of generated content by up to 4.7% while reducing response delay by up to 39.1% compared to benchmarks.

چکیده به فارسی (ترجمه ماشینی)

خدمات تولید شده از هوش مصنوعی (AIGC) خدمات می توانند به طور مؤثر خواسته های ایجاد محتوای مشخص شده توسط کاربر را برآورده کنند ، اما نیازهای محاسباتی بالا چالش های مختلفی را برای حمایت از کاربران تلفن همراه در مقیاس ایجاد می کند.در این مقاله ، ما طراحی خود را از یک سیستم ارائه خدمات AIGC با قابلیت Edge ارائه می دهیم تا به درستی وظایف محاسباتی مدل های تولیدی را به سرورهای لبه اختصاص دهیم ، در نتیجه تجربه کلی کاربر و کاهش تأخیر تولید محتوا را بهبود می بخشیم.به طور خاص ، هنگامی که سرور Edge درخواست های درخواست شده توسط کاربر را دریافت می کند ، به صورت پویا مدل های مناسب را اختصاص می دهد و منابع محاسباتی را بر اساس ویژگی های هر دسته از اعلان ها اختصاص می دهد.محتوای تولید شده سپس به کاربران تحویل داده می شود.نکته اصلی این سیستم یک رویکرد تکلیف مدل احتمالی پیشنهادی است که نمره کیفیت محتوای تولید شده را برای هر سریع بر اساس برچسب های دسته تخمین می زند.در مرحله بعد ، ما یک الگوریتم اکتشافی را معرفی می کنیم که پیکربندی تطبیقی ​​هر دو مرحله تولید و تخصیص منابع را امکان پذیر می کند ، با توجه به درخواست های مختلف کار دریافت شده توسط هر مدل تولیدی در لبه.حداکثر 4.7 ٪ در حالی که تأخیر پاسخ را تا 39.1 ٪ در مقایسه با معیارها 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.