Events Events

Back

Pós-Graduação em Ciência da Computação promove defesa de tese no próximo dia 6

A tese tem orientação do professor Kelvin Lopes Dias

O Programa de Pós-Graduação em Ciência da Computação do Centro de Informática (CIn) da UFPE promove defesa da tese de doutorado “A Context-sensitive offloading system using machine-learning classification algorithms with seamless mobility support”, do aluno Warley Muricy Valente Junior. A defesa será no dia 6 deste mês, às 8h30, no anfiteatro do CIn, Campus Recife.

A tese tem orientação do professor Kelvin Lopes Dias. A banca examinadora é composta pelos seguintes docentes: Ana Carolina Salgado (UFPE/Centro de Informática), Carlos Andre Guimarães Ferraz (UFPE/Centro de Informática), George Darmiton da Cunha Cavalcanti (UFPE/Centro de Informática), Carlos Alberto Kamienski (UFABC/Centro de Matemática, Computação e Cognição) e Jó Ueyama (USP/Instituto de Ciências Matemáticas e de Computação).

Resumo:

A computação em nuvem móvel MCC permite que smartphones com recursos limitados executem aplicações intensivas de computação através do offloading de código/dados para servidores potentes. No entanto, esta técnica pode ser desvantajosa se a decisão de offloading não considera informações contextuais. Outro desafio da MCC está relacionado à mudança de ponto de acesso durante um processo de offloading contínuo, uma vez que impacta ou é impactado pela escassez de recursos, energia finita e baixa conectividade em um ambiente sem fio. Esta pesquisa de doutorado desenvolveu um sistema de offloading sensível ao contexto que tira proveito das técnicas de raciocínio de aprendizagem de máquina e perfiladores robustos para prover decisões de offloading com os melhores níveis de acurácia em comparação com soluções do estado da arte. Além disso, este trabalho propõe uma maneira de suportar operações de offloading contínuas durante a mobilidade do usuário através do paradigma de redes definidas por software e técnica de cache remoto para acelerar o tempo de resposta do offloading. Primeiramente, para resolver o problema da decisão de offloading, a abordagem avalia os principais classificadores sob uma base de dados composta de parâmetros relacionados a nuvem, smartphone, aplicativos e rede. Em segundo lugar, ela transforma parâmetros de contexto bruto em informações de contexto de alto nível em tempo de execução e avalia o sistema proposto em cenários reais, aonde as informações de contexto mudam de um experimento para outro. Nessas condições, o sistema toma decisões corretas, bem como garante ganhos de desempenho e eficiência energética, alcançando decisões com 95% de acurácia. Com relação ao suporte à mobilidade baseado em SDN, os resultados mostram que o sistema é eficiente em termos energéticos, especialmente considerando a categoria de smartphones de baixo custo, enquanto o cache remoto provou ser uma alternativa atrativa para reduzir o tempo de resposta de offloading.

Mais informações
Programa de Pós-Graduação em Ciência da Computação
(81) 2126.8430

 

 

Date of last modification: 02/02/2018, 14:42