MétaCan
Menu
Retour à la cohorte
Enregistrement W3009390414 · doi:10.1109/globecom38437.2019.9013409

A SDN-Assisted Energy Saving Scheme for Cooperative Edge Computing Networks

2019· article· en· W3009390414 sur OpenAlexaff
Ali Alnoman, Alagan Anpalagan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueIoT and Edge/Fog Computing
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceEnhanced Data Rates for GSM EvolutionQueueing theoryQuality of serviceMarkov chainEdge deviceEdge computingScheme (mathematics)Load balancing (electrical power)Computer networkDistributed computingLayered queueing networkSoftware-defined networkingMarkov processMathematical optimizationMathematicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

In this paper, an edge device sleeping mechanism is proposed to save energy in cooperative edge computing networks. Energy saving in the proposed scheme is obtained by implementing a software- defined networking (SDN)-assisted interactive On/Off operation on edge devices taking into account the quality of service (QoS) experienced by end-users. First, an optimization problem is formulated to reduce the number of active edge devices under the queueing probability constraint. Herein, edge devices are modeled as M/M/k queueing systems, whereas the square-root staffing rule is used to maintain the queueing probability below desired levels. Then, a load balancing mechanism is carried out to reduce the variations in resource utilization among edge devices. To this end, a discrete-time Markov chain (DTMC)-based algorithm is implemented to achieve the intended load balancing. Results show the effectiveness of the proposed scheme in achieving energy saving and maintaining the queueing delay at controlled levels.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,950
Score d'incertitude au seuil0,802

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,243
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIoT and Edge/Fog ComputingTravaux en français237 207