發(fā)布時(shí)間：2023-12-03 20:04

　　針對(duì)移動(dòng)邊緣網(wǎng)絡(luò)緩存問(wèn)題,提出把計(jì)算資源推送到網(wǎng)絡(luò)邊緣,使邊緣接入熱點(diǎn)能有數(shù)據(jù)分析能力,構(gòu)建基于深度學(xué)習(xí)的深度緩存策略,進(jìn)一步提升緩存效率。在邊緣接入熱點(diǎn)處構(gòu)建基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)模型的緩存內(nèi)容文件流行度預(yù)測(cè)系統(tǒng),通過(guò)分析本地?cái)?shù)據(jù)給出內(nèi)容文件流行度預(yù)測(cè)。把內(nèi)容文件流行度預(yù)測(cè)系統(tǒng)整合到移動(dòng)邊緣網(wǎng)絡(luò)緩存系統(tǒng)中最大化緩存命中率,提出深度緩存策略,大大提升移動(dòng)邊緣網(wǎng)絡(luò)緩存性能。在真實(shí)視頻數(shù)據(jù)集上進(jìn)行測(cè)試,實(shí)驗(yàn)結(jié)果表明:提出的內(nèi)容流行度預(yù)測(cè)系統(tǒng)的準(zhǔn)確度高于現(xiàn)有最優(yōu)方法;提出的深度緩存策略與傳統(tǒng)的緩存算法相比,在相同的緩存命中率指標(biāo)下大約僅需一半的緩存存儲(chǔ)空間。

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
1 系統(tǒng)模型與問(wèn)題分析
    1.1 移動(dòng)邊緣網(wǎng)絡(luò)緩存框架
    1.2 問(wèn)題分析
2 基于深度學(xué)習(xí)的內(nèi)容文件流行度預(yù)測(cè)
    2.1 長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)
    2.2 內(nèi)容文件流行度預(yù)測(cè)模型
3 仿真實(shí)驗(yàn)
    3.1 仿真設(shè)置
    3.2 性能比較
4 結(jié)論



本文編號(hào)：3870299