《表2 内容文件流行度预测耗时比较》
在仿真实验中,我们测试了本文所提的堆叠长短期记忆神经网络内容文件流行度预测模型在执行模型预测时的时间消耗,并与流行度SVR方法进行比较,如表2所示。虽然本文所提的神经网络预测模型从性能上优于流行SVR方法,但是因为该神经网络模型的规模不是很大,因此执行模型预测所需消耗的时间与流行度SVR方法相当。在实际系统中,神经网络预测模型和流行度SVR方法的预测复杂度与待预测内容文件个数F均成线性关系。与传统缓存算法相比,本文所提的基于流行度预测神经网络模型的深度缓存策略需要额外进行模型预测,但是执行模型预测的耗时并不是很大。本文所提的深度缓存策略仅在移动边缘网络运行的空闲时期进行缓存内容文件的部署,适当使用一些计算资源换取缓存系统更高的运行效率。
图表编号 | XD00128354800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.15 |
作者 | 宋旭鸣、沈逸飞、石远明 |
绘制单位 | 中国科学院上海微系统与信息技术研究所、中国科学学院大学、上海科技大学信息科学与技术学院、上海科技大学信息科学与技术学院、上海科技大学信息科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |