Resource scheduling in edge computing IoT networks using hybrid deep learning algorithm

Скорочена інформація про документ
dc.contributor.authorVijayasekaran, G.
dc.contributor.authorDuraipandian, M.
dc.date.accessioned2023-05-01T13:56:48Z
dc.date.available2023-05-01T13:56:48Z
dc.date.issued2022
dc.description.abstractThe proliferation of the Internet of Things (IoT) and wireless sensor networks enhances data communication. The demand for data communication rapidly increases, which calls the emerging edge computing paradigm. Edge computing plays a major role in IoT networks and provides computing resources close to the users. Moving the services from the cloud to users increases the communication, storage, and network features of the users. However, massive IoT networks require a large spectrum of resources for their computations. In order to attain this, resource scheduling algorithms are employed in edge computing. Statistical and machine learning-based resource scheduling algorithms have evolved in the past decade, but the performance can be improved if resource requirements are analyzed further. A deep learning-based resource scheduling in edge computing IoT networks is presented in this research work using deep bidirectional recurrent neural network (BRNN) and convolutional neural network algorithms. Before scheduling, the IoT users are categorized into clusters using a spectral clustering algorithm. The proposed model simulation analysis verifies the performance in terms of delay, response time, execution time, and resource utilization. Existing resource scheduling algorithms like a genetic algorithm (GA), Improved Particle Swarm Optimization (IPSO), and LSTM-based models are compared with the proposed model to validate the superior performances.uk
dc.description.abstractotherПоширення Інтернету речей (IoT) і бездротових сенсорних мереж покращує передачу даних. Попит на передачу даних швидко зростає, що ви- кликає появу парадигми периферійних обчислень. Граничні обчислення віді- грають важливу роль у мережах IoT і надають обчислювальні ресурси поблизу користувачів. Перенесення служб із хмари до користувачів розширює комуні- каційні, сховища та мережеві функції користувачів. Однак масивні мережі IoT потребують великого обсягу ресурсів для своїх обчислень. Щоб досягти цього, у граничних обчисленнях використовуються алгоритми планування ресурсів. Алгоритми планування ресурсів, засновані на статистиці та машинному на- вчанні, розвинулися протягом останнього десятиліття, але їх продуктивність можна покращити, якщо додатково проаналізувати вимоги до ресурсів. У ро- боті подано глибоке планування ресурсів на основі навчання в периферійних обчислювальних мережах IoT з використанням глибокої двонаправленої реку- рентної нейронної мережі (BRNN) і алгоритмів згорткової нейронної мережі. Перед плануванням користувачі IoT класифікуються в різні кластери за допо- могою спектрального алгоритму кластеризації. Пропонований аналіз моделю- вання перевіряє продуктивність з точки зору затримки, часу відгуку, часу ви- конання та використання ресурсів. Існуючі алгоритми планування ресурсів, як- от генетичний алгоритм (GA), покращена оптимізація роїв частинок (IPSO) і моделі на основі LSTM, порівнюються із запропонованою моделлю для під- твердження кращої продуктивності.uk
dc.format.pagerangeС. 86-101uk
dc.identifier.citationVijayasekaran, G. Resource scheduling in edge computing IoT networks using hybrid deep learning algorithm / G. Vijayasekaran, M. Duraipandian // Системні дослідження та інформаційні технології : міжнародний науково-технічний журнал. – 2022. – № 3. – С. 86-101. – Бібліогр.: 25 назв.uk
dc.identifier.doihttps://doi.org/10.20535/SRIT.2308-8893.2022.3.06
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/55153
dc.language.isoenuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.relation.ispartofСистемні дослідження та інформаційні технології : міжнародний науково-технічний журнал, № 3uk
dc.subjectedge computinguk
dc.subjectcloud computinguk
dc.subjectInternet of Things (IoT)uk
dc.subjectresource schedulinguk
dc.subjectdeep learninguk
dc.subjectпериферійні обчисленняuk
dc.subjectхмарні обчисленняuk
dc.subjectінтернет речей (IoT)uk
dc.subjectпланування ресурсівuk
dc.subjectглибоке навчанняuk
dc.subject.udc519-62uk
dc.titleResource scheduling in edge computing IoT networks using hybrid deep learning algorithmuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
2022_3_86-101.pdf
Розмір:
358.05 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Системні дослідження та інформаційні технології: міжнародний науково-технічний журнал, № 3