logo móvil
Contáctanos

Un técnica de programación distribuida basada en el borde con baja latencia y alta capacidad de ancho de banda para algoritmos de perfilado de conductores existentes

Autores: Pirahandeh, Mehdi; Ullah, Shan; Kim, Deok-Hwan

Idioma: Inglés

Editor: MDPI

Año: 2021

Descargar PDF

Acceso abierto

Artículo científico
2021

Un técnica de programación distribuida basada en el borde con baja latencia y alta capacidad de ancho de banda para algoritmos de perfilado de conductores existentes


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Método de programación basado en el borde
Datos del sensor
Programación de memoria
Aplicaciones sensibles a la latencia
Sistemas embebidos en tiempo real
Ancho de banda

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 45

Citaciones: Sin citaciones


Descripción
El aumento gradual en aplicaciones en tiempo real sensibles a la latencia para sistemas integrados alienta a los usuarios a compartir datos de sensores simultáneamente. Los datos de sensores transmitidos tienen un rendimiento deficiente. En este documento, proponemos un nuevo método de programación basado en el borde con alta capacidad de ancho de banda para disminuir la latencia de perfilado del controlador. El método de programación de memoria multinivel propuesto coloca los datos en un almacenamiento de clave-valor, vacía los datos del sensor cuando la memoria del borde está llena y reduce el número de operaciones de E/S, la latencia de red y el número de llamadas a la API REST en la nube del borde. Como resultado, el método propuesto proporciona una mejora significativa en el rendimiento de lectura/escritura para sistemas integrados en tiempo real. De hecho, la aplicación propuesta mejora el número de solicitudes por segundo en 3.5, 5 y 4 veces, respectivamente, en comparación con las soluciones existentes de FCN-LSTM de peso ligero, FCN-LSTM y DeepConvRNN Attention. La aplicación propuesta también mejora el ancho de banda en 5.89, 5.58 y 4.16 veces respectivamente, en comparación con las soluciones existentes de FCN-LSTM de peso ligero, FCN-LSTM y DeepConvRNN Attention.

Otros recursos que podrían interesarte

Temas Virtualpro