Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот документ:
https://elib.bsu.by/handle/123456789/341149Полная запись метаданных
| Поле DC | Значение | Язык |
|---|---|---|
| dc.contributor.author | Qiao, L. | |
| dc.contributor.author | Nedzved, A. | |
| dc.date.accessioned | 2026-02-05T11:05:02Z | - |
| dc.date.available | 2026-02-05T11:05:02Z | - |
| dc.date.issued | 2025 | |
| dc.identifier.citation | Информационные системы и технологии = Information Systems and Technologies : материалы XI Междунар. науч. конгр. по информатике (CSIST-2025), Респ. Беларусь, Минск, 29–31 окт. 2025 г. В 2 ч. Ч. 2 / Белорус. гос. ун-т ; редкол.: С. В. Абламейко (гл. ред.) [и др]. – Минск : БГУ, 2025. – С. 100-107. | |
| dc.identifier.isbn | 978-985-881-851-7 | |
| dc.identifier.isbn | 978-985-881-853-1 (ч. 2) | |
| dc.identifier.uri | https://elib.bsu.by/handle/123456789/341149 | - |
| dc.description | Раздел I. Компьютерное зрение и графика | |
| dc.description.abstract | This study introduces a distributed algorithm that leverages Hidden Markov Models (HMMs) to infer latent resource demands from device metrics, coupled with a dynamic scheduling mechanism operating in an edge–cloud framework. By modeling demand states and optimizing resource distribution, the approach achieves low-latency, high-efficiency allocation. Simulation experiments demonstrate 92% demand prediction accuracy and 95% resource utilization, outperforming static baselines by 25% in latency reduction | |
| dc.language.iso | en | |
| dc.publisher | Минск : БГУ | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика | |
| dc.title | HMMRA: optimized IoT resource allocation via Hidden Markov Models | |
| dc.title.alternative | HMMRA: оптимизированное распределение ресурсов интернета вещей с помощью скрытых марковских моделей / Л. Цяо, А. Недзьведь | |
| dc.type | conference paper | |
| dc.description.alternative | В данном исследовании представлен распределенный алгоритм, использующий скрытые марковские модели (СММ) для определения скрытых потребностей в ресурсах на основе показателей устройств в сочетании с механизмом динамического планирования, работающим в инфраструктуре периферийного облака. Благодаря моделированию состояний спроса и оптимизации распределения ресурсов, данный подход обеспечивает распределение с малой задержкой и высокой эффективностью. Имитационное моделирование демонстрирует 92%-ную точность прогнозирования спроса и 95%-ное использование ресурсов, что на 25% превышает статические базовые показатели по снижению задержки | |
| Располагается в коллекциях: | 2025. Информационные системы и технологии | |
Полный текст документа:
| Файл | Описание | Размер | Формат | |
|---|---|---|---|---|
| 100-107.pdf | 758,83 kB | Adobe PDF | Открыть |
Все документы в Электронной библиотеке защищены авторским правом, все права сохранены.