ارائه راهکاری برخط جهت تخصیص بهینه منابع در ردیابی سیگنال های مغزی با معماری مه

اینترنت اشیاء باعث افزایش حجم داده‌های تولیدشده در شبکه‌های رایانه‌ای شده است. هدف پردازش مه کنترل این حجم از داده است. زمان‌بندی در محیط‌های توزیع‌شده مسیله‌ای NP-hard است. در این مقاله به زمان‌بندی در مه به‌وسیله دسته‌بندی بیزین پرداخته‌شده است. از دسته‌بندی بیزین برای به دست آوردن نیازمندی‌های پردازشی وظایف استفاده‌شده است. پس از دسته‌بندی، متناسب با هر دسته، ماشین‌های مجازی به‌صورت پیش‌بینی‌شده ایجاد خواهند شد. شبیه‌ساز iFogsim برای بررسی عملکرد روش پیشنهادی در محیط مه استفاده‌شده است. الگوریتم‌ها روی برنامه سیستم ردیابی سیگنال‌های مغزی مورد ارزیابی قرارگرفته‌اند. بر طبق نتایج، تصمیم‌گیری هوشمند در محیط ابر ترکیب‌شده با مه باعث شده است تا انرژی مصرفی در ابر، هزینه اجرای وظیفه در ابر و میانگین انرژی مصرفی دستگاه‌های موبایل کاهش یابد.