معصومه خاکپراقی - دانشکده مهندسی کامپیوتر و فناوری اطلاعات ، پرند، ایران
محمد فرجی مهماندار - دانشکده مهندسی کامپیوتر و فناوری اطلاعات ، پرند، ایران

با پیشرفت فناوری، موضوع اینترنت اشیا )IoT( برای سهولت زندگی مطرح شده است. حجم عظیمی از داده ها در سطح اینترنت با مراکز داده ابری تولید و محاسبه می شوند. حجم عظیمی از داده ها به دالیلی، مانند دسترسی به شبکه، تاخیر و استفاده از پهنای باند، یک مشکل اساسی است.. رایانش مه، امکان پردازش سریع داده ها و تحویل آنها به کاربران، مقرون به صرفه بودن، امکان دسترسی و قابلیت اطمینان بیشتر را فراهم می کند.در این مقاله، ما برای حل مسئله تامین منابع سرویس های اینترنت اشیا در محیط رایانش مه از تکنیک یادگیری همبسته استفاده کردیم. ما مشکل یادگیری پارامترهای مدل را از داده های توزیع شده در چندین گره لبه، بدون ارسال داده های خام به یک مکان متمرکز در نظر می گیریم..نتایج آزمایش نشان میدهد که رویکرد پیشنهادی ما با مدلهای مختلف یادگیری ماشین و توزیعهای مختلف داده، نزدیک به بهینه عمل میکند.

رایانش ابری، رایانش مه، رایانش لبه، یادگیری همبسته.