ارزیابی کارایی Split Learning آگاه از مدار در بهینه سازی انرژی شبکه های LEO برای AI توزیع شده

ماهواره های LEO با محدودیت انرژی و پهنای باند نیازمند راهکارهای هوشمند برای پردازش داده های حجیم هستند. هدف این پژوهش ارزیابی کارایی یادگیری تقسیم شده آگاه از مدار در بهینه سازی انرژی شبکه های LEO برای هوش مصنوعی توزیع شده است. در روش پیشنهادی الگوریتم به دو بخش ماهواره ای و زمینی تقسیم شده و با استفاده از حرکت چرخه ای مدل بین ماهواره ها منتقل می شود. مسئله بهینه سازی با قید زمان عبور فرموله و با روش دوبخشی حل شد. نتایج نشان داد معماری پیشنهادی تا ۹۷ درصد صرفه جویی انرژی و نقطه تقسیم عمیق تر تا ۴۰ درصد کاهش انرژی دارد. یافته ها تایید می کند یادگیری تقسیم شده رویکردی کارآمد برای شبکه های ماهواره ای است.

کلیدواژه ها:

بهینه سازی انرژی ، شبکه های ماهواره ای LEO ، محاسبات لبه ، هوش مصنوعی توزیع شده ، یادگیری تقسیم شده