重访边缘计算中的细胞吞吐量预测：协作式多设备、多网络原地学习
摘要：大规模分布式嵌入式设备和物联网中的普适应用要求与网络进行精确协调；例如，诸如协同视频流和实时分析、增强现实等应用需要对网络吞吐量进行持续监测，并相应地调整应用行为。虽然网络吞吐量预测的想法并不新鲜且相当古老，但在本文中，我们展示了现有的方法在网络运营商或设备更改时无法正确推断吞吐量，因此对于互联网规模的应用来说并不通用。我们提出了一种新颖的方法，允许在不同客户端硬件之间进行协同训练，通过捕捉基于设备对应网络配置的敏感性的吞吐量变化。严格的评估结果表明，我们的方法在不同数据集上的R2分数超过了各种基准算法的80%。我们还分析了我们的方法在一个网络感知的流媒体应用中的性能，并展示了它对于各种应用场景的效果。
作者：Argha Sen, Ayan Zunaid, Soumyajit Chatterjee, Basabdatta Palit, Sandip Chakraborty
论文ID：2301.03722
分类：Networking and Internet Architecture
分类简称：cs.NI
提交时间：2023-06-07