ترجمه فارسی مقاله یادگیری خود نظارتی فدرال مبتنی بر DRL برای بارگذاری وظایف و تخصیص منابع در محاسبات لبه خودرو با قابلیت ISAC

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 DRL-Based Federated Self-Supervised Learning for Task Offloading and Resource Allocation in ISAC-Enabled Vehicle Edge Computing
عنوان مقاله به فارسی یادگیری خود نظارتی فدرال مبتنی بر DRL برای بارگذاری وظایف و تخصیص منابع در محاسبات لبه خودرو با قابلیت ISAC
نویسندگان Xueying Gu, Qiong Wu, Pingyi Fan, Nan Cheng, Wen Chen, Khaled B. Letaief
فرمت مقاله انگلیسی PDF
تعداد صفحات 13
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Distributed, Parallel, and Cluster Computing,Networking and Internet Architecture,یادگیری ماشین , توزیع , موازی و محاسبات خوشه ای , شبکه سازی و معماری اینترنت ,
توضیحات Submitted 27 August, 2024; originally announced August 2024. , Comments: This paper has been submitted to Digital Communications and Networks. The source code has been released at: https://github.com/qiongwu86/Federated-SSL-task-offloading-and-resource-allocation
توضیحات به فارسی ارسال شده در 27 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: این مقاله به ارتباطات و شبکه های دیجیتال ارسال شده است.کد منبع در: https://github.com/qiongwu86/federated-sl-task-Offloading-and-resource-allocation منتشر شده است
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

Intelligent Transportation Systems (ITS) leverage Integrated Sensing and Communications (ISAC) to enhance data exchange between vehicles and infrastructure in the Internet of Vehicles (IoV). This integration inevitably increases computing demands, risking real-time system stability. Vehicle Edge Computing (VEC) addresses this by offloading tasks to Road Side Unit (RSU), ensuring timely services. Our previous work FLSimCo algorithm, which uses local resources for Federated Self-Supervised Learning (SSL), though vehicles often can't complete all iterations task. Our improved algorithm offloads partial task to RSU and optimizes energy consumption by adjusting transmission power, CPU frequency, and task assignment ratios, balancing local and RSU-based training. Meanwhile, setting an offloading threshold further prevents inefficiencies. Simulation results show that the enhanced algorithm reduces energy consumption, improves offloading efficiency and the accuracy of Federated SSL.

چکیده به فارسی (ترجمه ماشینی)

سیستم های حمل و نقل هوشمند (ITS) برای افزایش تبادل داده بین وسایل نقلیه و زیرساخت های موجود در اینترنت وسایل نقلیه (IOV) ، سنجش و ارتباطات یکپارچه (ISAC) را اهرم می کند.این ادغام به ناچار تقاضای محاسبات را افزایش می دهد و باعث ثبات سیستم در زمان واقعی می شود.محاسبات Edge Edge (VEC) با بارگیری وظایف به واحد جاده (RSU) ، این امر را تضمین می کند و از خدمات به موقع اطمینان می دهد.کار قبلی ما الگوریتم FLSIMCO ، که از منابع محلی برای یادگیری خود تحت نظارت فدرال (SSL) استفاده می کند ، اگرچه وسایل نقلیه اغلب نمی توانند تمام کارهای تکرارها را انجام دهند.الگوریتم بهبود یافته ما وظیفه جزئی را به RSU بارگیری می کند و مصرف انرژی را با تنظیم قدرت انتقال ، فرکانس CPU و نسبت واگذاری وظیفه ، متعادل کردن آموزش های محلی و مبتنی بر RSU بهینه می کند.در همین حال ، تنظیم یک آستانه بارگیری بیشتر از ناکارآمدی جلوگیری می کند.نتایج شبیه سازی نشان می دهد که الگوریتم پیشرفته باعث کاهش مصرف انرژی می شود ، بازده بارگیری و دقت SSL فدرال را بهبود می بخشد.

📚 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.