بهبود اجرای فرآيند نرم افزارهای كاربردی مبتني بر هوش مصنوعي در محاسبات لبه سیار

رقیه سادات شیخ¹ مهدی امینیان² سمانه یزدانی³

1) دانشجو کارشناسی ارشد شبکه های کامپیوتری، دانشگاه آزاد اسلامی واحد تهران شمال، ایران -
2) عضو هیات علمی دانشکده برق و کامپیوتر، دانشگاه آزاد اسلامی واحد تهران شمال، ایران -
3) عضو هیات علمی دانشکده برق و کامپیوتر، دانشگاه آزاد اسلامی واحد تهران شمال، ایران -

محل انتشار : دومین کنفرانس بین المللی پیشرفت های اخیر در مهندسی، نوآوری و تکنولوژی - بلژیک(eitconf.com)
چکیده :
در دهه گذشته، رایانش ابری فرآیندهای اجرا و خدمات محاسباتی را بهبود بخشیده است. معماری پیاده سازی رایانش ابری متمرکز است که خود به عنوان نقطه ی ضعفی برای ادغام با فناوریهای نوین مانند اینترنت اشیا به حساب می آید. استفاده از فضای ابری ممکن است کاربر را چند صد یا حتی هزاران کیلومتر از نزدیکترین مرکز داده ارائه دهنده خدمات جدا کند. فاصله بین کاربر و مرکز داده ارائه‌دهنده خدمات ابری، زمان محاسبه و اجرای پردازش را افزایش می‌دهد. برخی از این مشکلات را می توان با استفاده از محاسبات لبه سیار برطرف نمود. از طرفی دیگر، برنامه های مبتنی بر شبکه های عصبی و هوش مصنوعی نیز در جامعه امروزی محبوب و رو به رشد هستند و می توانند برای اهداف مختلفی از جمله تشخیص پزشکی، کنترل ربات و سنجش از راه دور استفاده شوند. در این مقاله، رویکردی برای انجام محاسبات لبه ای سیار برای بهبود اجرای برنامه‌های مبتنی بر یادگیری عمیق با هدف انتقال فرآیند از دستگاه به گره لبه و کاهش زمان پاسخ ارائه شده است. نام ساختار پیشنهادی AECI (زیرساخت اجرای محاسبات لبه مبتنی بر ANN) است. برای سنجش عملکرد این مدل، نتایج زمان پاسخ به درخواست کاربر با دو سناریوی دیگر مورد مقایسه قرار داده شدند. نتایج نشان داد که روش پیشنهاد با اختلاف قابل توجهی منجربه کاهش زمان پاسخگویی به کاربر می شود.
کلمات کلیدی : محاسبات لبه ای شبکه های عصبی OpenfaaS Kubernetes AECI