基于聯(lián)邦深度學習的多邊緣協(xié)作緩存方法

摘要： 作為移動邊緣計算(Mobile Edge Computing, MEC)的一項重要技術支撐，多邊緣協(xié)作緩存的出現(xiàn)可更好滿足終端智能應用的實時計算與數(shù)據(jù)存儲需求進而提升用戶體驗.但是，多邊緣協(xié)作緩存的性能通常受限于低效率的協(xié)作機制以及不合理的緩存資源配置策略.同時，如何在離散的用戶特征分布與多樣化的內(nèi)容庫之中尋找其潛在關聯(lián)以提升緩存命中率仍是一個巨大的挑戰(zhàn).為了解決上述重要挑戰(zhàn)，... （共8頁）