أظهرت الدراسات الأخيرة أهمية سعة النظام للشبكات الخلوية. يعتبر هذا البحث تكبير مجموع معدل الانحراف الهابط والانحراف الصاعدي في شبكات الخلية، حيث تتألف كل منطقة من محطة قاعدية ثنائية الاتجاهات ومستخدم شبه ثنائي الاتجاه. يمكن للتعلم التعاوني تدريب النماذج بدون بيانات مركزية، وحماية خصوصية بيانات المستخدم. يمكن وضع خادم الحوسبة عند حافة التلسكوبات المنخفضة، ويمكن أن يكون هذا النوع من الخدمة ناقل الحوسبة بهامش القمر. لذا، يقدم هذا البحث نوعًا من خوارزمية تفريغ الحوسبة استنادًا إلى التعلم التعاوني، وتحقق في الوقت نفسه أمان بيانات المستخدم وتكبير أقصى معدل الانحراف. يتم حل مشكلة تخصيص الفرع الفرعي وتوزيع الطاقة باستخدام خوارزمية التعلم العميق المعززة القوية ذات القدرة البحثية العالمية الممتازة. تظهر نتائج المحاكاة أن الخوارزمية تحقق أقصى معدل انحراف، ولديها أداء تقويمي جيد مقارنة بالخوارزمية الأساسية.

تعلم تعاوني، القمر الصناعي للأرض المنخفضة، حوسبة حوافية متنقلة، التعلم العميق المعزز، تحميل الحساب