TY -的A2, Yugen盟——Numani阿卜杜拉AU -阿里,Zaiwar AU -阿巴斯,Ziaul哈克AU -阿巴斯,Ghulam AU -贝克,塔尔盟——Al-Jumeily Dhiya PY - 2021 DA - 2021/07/02 TI -智能计算卸载应用程序部门和时间分配策略在无线移动边缘计算供电SP - 9993946六世- 2021 AB -有限的电池寿命和可怜的计算资源的移动终端具有挑战性的问题现在和未来计算密集型移动应用程序。无线供电的移动边界计算的解决方案,无线能量传输技术和云服务器的功能是蜂窝网络的边缘。在无线移动边缘计算供电系统,移动终端充电电池通过射频信号和出售他们的应用程序到附近混合在同一时间段访问点他们的能源消耗降到最低,确保不间断连接与混合访问点。然而,智能的应用程序 k 子任务的智能分区时间段获取能源和卸载数据是一个复杂的问题。在本文中,我们提出一个新颖的deep-learning-based卸载和时间分配策略(DOTP)培训深神经网络计算应用程序分为最优数量的子任务,决定执行的子任务卸载或本地(卸载策略),分时间段进行数据卸载和能量收获(时间分配策略)。DOTP考虑当前的电池水平,能源消耗和时间延迟的移动终端。制定一个全面的成本函数,使用所有上述指标来计算成本 k 子任务的数量。我们提出一个算法选择最优数量的子任务,部分抛售政策,和时间分配策略来生成一个巨大的深神经网络训练数据集从而避免巨大的计算开销部分卸载。仿真结果比较的基准计划总卸载,当地执行和部分卸载。很明显的结果,该算法优于其他方案的电池寿命,时间延迟,和能源消费,75%的准确性训练神经网络。移动终端的实现降低能源消费总量通过DOTP是45.74%,36.69%,和30.59%相比总卸载,部分卸载,分别和地方出售计划。SN - 1574 - 017 - 2021/9993946 / 10.1155 x你——https://doi.org/10.1155/2021/9993946——摩根富林明-移动信息系统PB - Hindawi KW - ER