机构名称：
¥ 1.0
支持边缘 AI 服务是未来移动网络最令人兴奋的功能之一。这些服务涉及在网络边缘收集和处理大量数据流，以便为用户提供实时和准确的推理。然而，它们的广泛部署受到它们给网络带来的能源成本的阻碍。为了克服这一障碍，我们提出了一个贝叶斯学习框架，用于联合配置服务和无线接入网络 (RAN)，旨在最大限度地降低总能耗，同时尊重理想的准确度和延迟阈值。使用具有软件定义基站 (BS) 和支持 GPU 的边缘服务器的成熟原型，我们对最先进的视频分析 AI 服务进行了分析，并确定了新的性能权衡。因此，我们根据网络环境、用户需求和服务指标定制优化框架。通过一系列实验和与基于神经网络的基准的比较，验证了我们提案的有效性。
EdgeBOL：移动边缘 AI 的节能自动化
主要关键词
相关文件推荐
