رقیه شیخ - دانشجو کارشناسی ارشد شبکه های کامپیوتری، دانشگاه آزاد اسلامی واحد تهران شمال، ا یران
مهدی امینیان - عضو هیات علمی دانشکده برق و کامپیوتر، دانشگاه آزاد اسلامی واحد تهران شمال، ا یران
سمانه یزدانی - عضو هیات علمی دانشکده برق و کامپیوتر، دانشگاه آزاد اسلامی واحد تهران شمال، ا یران -

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 فناوری های نوین امانند ینترنت اش یا 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 ارائه دهنده خدمات ابری، زمان محاسبه و اجرای پردازش را افزایش میدهد برخی از ا ین 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، رو ی کردی برای انجام محاسبات لبه ای سیار برای بهبود اجرای برنامه های 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

محاسبات لبه ای ، شبکه های عصبی، AECI ،Kubernetes ،OpenfaaS