Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 17.08.2026 auf Schreibwaren & Office-Artikel online auf thalia.at, in der Thalia App und in teilnehmenden Thalia Buchhandlungen in Österreich mit Schulsortiment. In den Buchhandlungen nur gültig auf lagernde Ware. Einzelne Artikel können ausgeschlossen sein. Ausgenommen sind preisgebundene Artikel. Pro Einkauf einmal einlösbar. Nur gültig gegen Vorlage oder im Onlineshop hinterlegter Bonuscard. Infos zur Einlösung in der Buchhandlung sind auf der Bonuscard-Vorteilspreisseite zu finden. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Einlösung bei Scan & Go-Bezahlung. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Gutschein wird auf max. 500€ Bestellwert angerechnet. Nicht gültig für Geschenkkarten, Versandkosten und Services.
  • Produktbild: Energy Efficient Computation Offloading in Mobile Edge Computing
  • Produktbild: Energy Efficient Computation Offloading in Mobile Edge Computing
- 12%

Energy Efficient Computation Offloading in Mobile Edge Computing

Aus der Reihe Wireless Networks
12% sparen

144,99 € UVP 164,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

31.10.2023

Verlag

Springer

Seitenzahl

156

Maße (L/B/H)

23,5/15,5/1 cm

Gewicht

271 g

Auflage

1st ed. 2022

Sprache

Englisch

ISBN

978-3-031-16824-6

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

31.10.2023

Verlag

Springer

Seitenzahl

156

Maße (L/B/H)

23,5/15,5/1 cm

Gewicht

271 g

Auflage

1st ed. 2022

Sprache

Englisch

ISBN

978-3-031-16824-6

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: GPSR Kontakt

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Energy Efficient Computation Offloading in Mobile Edge Computing
  • Produktbild: Energy Efficient Computation Offloading in Mobile Edge Computing
  • Introduction.- 1.1 Background.- 1.1.1 Mobile Cloud Computing.- 1.1.2 Mobile Edge Computing.- 1.1.3 Computation Offloading.- 1.2 Challenges.- 1.3 Contributions.- 1.4 Book Outline.- References.- 2 Dynamic Computation Offloading for Energy Efficiency in Mobile.- Edge Computing.- 2.1 System Model and Problem Statement.- 2.1.1 Network Model.- 2.1.2 Task Offloading Model.- 2.1.3 Task Queuing Model.- 2.1.4 Energy Consumption Model.- 2.1.5 Problem Statement.- 2.2 EEDCO: Energy Efficient Dynamic Computing Offloading for.- Mobile Edge Computing.- 2.2.1 Joint Optimization of Energy and Queue.- 2.2.2 Dynamic Computation Offloading for Mobile Edge.- Computing.- 2.2.3 Trade-off Between Queue Backlog and Energy Efficiency.- 2.2.4 Convergence and Complexity Analysis.- 2.3 Performance Evaluation.- 2.3.1 Impacts of Parameters.- 2.3.2 Performance Comparison with EA and QW Schemes.- 2.4 Literature Review.- 2.5 Summary.- References.- ix.- x Contents.- 3 Energy Efficient Offloading and Frequency Scaling forInternet of.- Things Devices.- 3.1 System Model and Problem Formulation.- 3.1.1 Network Model.- 3.1.2 Task Model.- 3.1.3 Queuing Model.- 3.1.4 Energy Consumption Model.- 3.1.5 Problem Formulation.- 3.2 COFSEE:Computation Offloading and Frequency Scaling for.- Energy Efficiency of Internet of Things Devices.- 3.2.1 Problem Transformation.- 3.2.2 Optimal Frequency Scaling.- 3.2.3 Local Computation Allocation.- 3.2.4 MEC Computation Allocation.- 3.2.5 Theoretical Analysis.- 3.3 Performance Evaluation.- 3.3.1 Impacts of System Parameters.- 3.3.2 Performance Comparison with RLE,RME and TS Schemes.- 3.4 Literature Review.- 3.5 Summary.- References.- 4 Deep Reinforcement Learning for Delay-aware and Energy-Efficient.- Computation Offloading.- 4.1 System Model and Problem formulation.- 4.1.1 System Mode.- 4.1.2 Problem Formulation.- 4.2 Proposed DRL Method.- 4.2.1 Data prepossessing.- 4.2.2 DRL Model.- 4.2.3 Training.- 4.3 Performance Evaluation.- 4.4 Literature Review.- 4.5 Summary.- References.- 5 Energy-Efficient Multi-task Multi-access Computation Offloading.- via NOMA.- 5.1 System Model and Problem Formulation.- 5.1.1 Motivation.- 5.1.2 System Model.- 5.1.3 Problem Formulation.- 5.2 LEEMMO: Layered Energy-efficient Multi-task Multi-access.- Algorithm.- 5.2.1 Layered Decomposition of Joint Optimization Problem.- Contents xi.- 5.2.2 Proposed Subroutine for Solving Problem (TEM-E-Sub).- 5.2.3 A Layered Algorithm for Solving Problem (TEM-E-Top).- 5.2.4 DRL-based Online Algorithm.- 5.3 Performance Evaluation.- 5.3.1 Impacts of Parameters.- 5.3.2 Performance Comparison with FDMA based Offloading.- Schemes.- 5.4 Literature Review.- 5.5 Summary.- Reference.- 6 Conclusion.- 6.1 Concluding Remarks.- 6.2 Future Directions.- References.