ارائه راهكاري برخط جهت تخصيص بهينه منابع در رديابي سيگنال هاي مغزي با معماري مه

اينترنت اشياء باعث افزايش حجم داده‌هاي توليدشده در شبكه‌هاي رايانه‌اي شده است. هدف پردازش مه كنترل اين حجم از داده است. زمان‌بندي در محيط‌هاي توزيع‌شده مسئله‌اي NP-hard است. در اين مقاله به زمان‌بندي در مه به ‌وسيله دسته‌بندي بيزين پرداخته‌شده است. از دسته‌بندي بيزين براي به دست آوردن نيازمندي‌هاي پردازشي وظايف استفاده‌شده است. پس از دسته‌بندي، متناسب با هر دسته، ماشين‌هاي مجازي به‌ صورت پيش‌بيني‌شده ايجاد خواهند شد. شبيه‌ساز iFogsim براي بررسي عملكرد روش پيشنهادي در محيط مه استفاده ‌شده است. الگوريتم‌ها روي برنامه سيستم رديابي سيگنال‌هاي مغزي مورد ارزيابي قرار گرفته‌اند. بر طبق نتايج، تصميم‌گيري هوشمند در محيط ابر تركيب‌شده با مه باعث شده است تا انرژي مصرفي در ابر، هزينه اجراي وظيفه در ابر و ميانگين انرژي مصرفي دستگاه‌هاي موبايل كاهش يابد.