基于ConvLSTM的移动边缘计算服务器能耗模型 |
| |
引用本文: | 李小龙,李曦,杨凌峰,黄华.基于ConvLSTM的移动边缘计算服务器能耗模型[J].应用科学学报,2024(1):53-66. |
| |
作者姓名: | 李小龙 李曦 杨凌峰 黄华 |
| |
作者单位: | 1. 湖南工商大学计算机学院;2. 湖南工商大学前沿交叉学院 |
| |
基金项目: | 国家自然科学基金(No.61872140);;物联网智能感知湖南省普通高等学校科技创新团队支持项目; |
| |
摘 要: | 针对现有能耗模型对动态工作负载波动具有低敏感性和低精度的问题,该文基于卷积长短期记忆(convolutional long short-term memory, ConvLSTM)神经网络,提出了用于移动边缘计算的服务器智能能耗模型(intelligence server energy consumption model,IECM),用于预测和优化服务器的能量消耗。通过收集服务器运行时间参数,使用熵值法筛选和保留显著影响服务器能耗的参数。基于选定的参数,利用ConvLSTM神经网络训练服务器能耗模型的深度网络。与现有的能耗模型相比,IECM在CPU密集型、I/O密集型、内存密集型和混合型任务上,能够适应服务器工作负载的动态变化,并在能耗预测上具有更好的准确性。
|
关 键 词: | 卷积长短期记忆 能耗预测 智能功率模型 功率建模 |
|
|