基于深度学习的智能移动边缘网络缓存

发布时间：2023-12-03 20:04

　　针对移动边缘网络缓存问题,提出把计算资源推送到网络边缘,使边缘接入热点能有数据分析能力,构建基于深度学习的深度缓存策略,进一步提升缓存效率。在边缘接入热点处构建基于长短期记忆神经网络模型的缓存内容文件流行度预测系统,通过分析本地数据给出内容文件流行度预测。把内容文件流行度预测系统整合到移动边缘网络缓存系统中最大化缓存命中率,提出深度缓存策略,大大提升移动边缘网络缓存性能。在真实视频数据集上进行测试,实验结果表明:提出的内容流行度预测系统的准确度高于现有最优方法;提出的深度缓存策略与传统的缓存算法相比,在相同的缓存命中率指标下大约仅需一半的缓存存储空间。

【文章页数】：8 页

【文章目录】：
1 系统模型与问题分析
    1.1 移动边缘网络缓存框架
    1.2 问题分析
2 基于深度学习的内容文件流行度预测
    2.1 长短期记忆神经网络
    2.2 内容文件流行度预测模型
3 仿真实验
    3.1 仿真设置
    3.2 性能比较
4 结论



本文编号：3870299