本文研製之系統使設備具有自主能力，可自行與鄰近設備組成網路群組，並提供自身運算資源至群組。透過各個網路仲介者管理節點及運算資源，並分配適當運算量至節點以進行平行運算(Parallel Computing)。透過異質網路或不同網路層級的網路仲介者組成階層式仲介網路架構(Hierarchical Brokering Architecture, HiBA)，降低最上層仲介者需管理整個網路或處理大量資料的負擔，並具有網路服務動態切換維持系統服務不中斷。
實驗透過系統將大量設備資源整合，進行大量乘積累加及激活函數運算，動態調整以最佳化整體機器能力，量測之最佳綜合總算力約為10.232 GOPS。

A procedure is a system enables devices to have autonomous capabilities, can form network groups with neighboring devices by themselves, and provide their own computing resources to the group. Manage nodes and computing resources through each network intermediary, and allocate appropriate computing to the nodes for parallel computing. Through heterogeneous networks or network intermediaries at different network levels, a hierarchical intermediary network structure is formed, which reduces the burden of the uppermost intermediaries who need to manage the entire network or process large amounts of data, and with the dynamic switching of network services to maintain uninterrupted system services.

摘要 i
ABSTRACT ii
誌謝 iii
目錄 iv
表目錄 vi
圖目錄 vii
壹、緒論 1
　　1.1.前言 1
　　1.2.研究動機 2
　　1.3.研究比較 3
貳、系統架構 5
　　2.1.於實體網路拓樸之階層式網路 5
　　2.2.階層式仲介網路群組架構 8
　　2.3.分散式管理架構 10
參、系統原理及實現 12
　　3.1.下層對上層主動式連線 12
　　3.2.網路層級關係定義 14
　　3.3.網路仲介者及網路群組定義 17
　　3.4.分散式運算方法 19
　　　　3.4.1.細微式分散式運算 19
　　　　3.4.2.具公平性之排隊 20
　　　　3.4.3.資源漸進式最佳排程 22
　　3.5.網路服務動態切換機制 24
　　　　3.5.1.移動節點網路切換 24
　　　　3.5.2.網路仲介者與網路群組動態切換 25
　　　　3.5.3.分散式運算動態切換 27
肆、系統實驗 29
　　4.1.實驗設計 29
　　　　4.1.1.運算要求規格 29
　　　　4.1.2.實驗架構設計 30
　　4.2.實驗結果 34
　　　　4.2.1.具公平性之排隊效益 34
　　　　4.2.2.分散式運算效益 35
　　　　4.2.3.分散式運算資源漸進式最佳排程 36
　　　　4.2.4.分散式運算移動節點動態切換 38
　　　　4.2.5.大量節點算力評估 40
伍、結論及未來展望 42
陸、參考文獻 43

[1]曾勖華，2015，用戶中心式軟體定義網路與資源虛擬化於數位內容傳播之應用，國立高雄第一科技大學
[2]陳俊廷，2013，以使用者為中心之階層式行動多雲網路模糊控制及其矽智財實現，國立高雄第一科技大學
[3]WANG, Shulan, et al. An efficient file hierarchy attribute-based encryption scheme in cloud computing. IEEE Transactions on Information Forensics and Security, 2016, 11.6: 1265-1277.
[4]PERALTA, Goiuri, et al. Fog computing based efficient IoT scheme for the Industry 4.0. In: 2017 IEEE international workshop of electronics, control, measurement, signals and their application to mechatronics (ECMSM). IEEE, 2017. p. 1-6.
[5]WAN, Jiafu, et al. Fog computing for energy-aware load balancing and scheduling in smart factory. IEEE Transactions on Industrial Informatics, 2018, 14.10: 4548-4556.
[6]BONOMI, Flavio, et al. Fog computing: A platform for internet of things and analytics. In: Big data and internet of things: A roadmap for smart environments. Springer, Cham, 2014. p. 169-186.
[7]MA, Xunguang, et al. FPGA-Based Rapid Electroencephalography Signal Classification System. In: 2019 IEEE 11th International Conference on Advanced Infocomm Technology (ICAIT). IEEE, 2019. p. 223-227.
[8]AHMED, Hossam O.; GHONEIMA, Maged; DESSOUKY, Mohamed. Concurrent MAC unit design using VHDL for deep learning networks on FPGA. In: 2018 IEEE Symposium on Computer Applications & Industrial Electronics (ISCAIE). IEEE, 2018. p. 31-36.
[9]BOZORGCHENANI, Arash; TARCHI, Daniele; CORAZZA, Giovanni Emanuele. An energy-aware offloading clustering approach (EAOCA) in fog computing. In: 2017 International Symposium on Wireless Communication Systems (ISWCS). IEEE, 2017. p. 390-395.
[10]AIMAR, Alessandro, et al. Nullhop: A flexible convolutional neural network accelerator based on sparse representations of feature maps. IEEE transactions on neural networks and learning systems, 2018, 30.3: 644-656.
[11]BERTEN DSP S.L.，GPU vs FPGA Performance Comparison，http://www.bertendsp.com/pdf/whitepaper/BWP001_GPU_vs_FPGA_Performance_Comparison_v1.0.pdf
[12]GPU GFLOPS，https://gflops.surge.sh/
[13]AMD Radeon and NVIDIA GeForce FP32/FP64 GFLOPS Table，https://www.geeks3d.com/20140305/amd-radeon-and-nvidia-geforce-fp32-fp64-gflops-table-computing/
[14]Wikipedia，MQTT，https://en.wikipedia.org/wiki/MQTT
[15]Wikipedia，人工神經網路，https://zh.wikipedia.org/wiki/%E4%BA%BA%E5%B7%A5%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C
[16]Wikipedia，Sigmoid function，https://en.wikipedia.org/wiki/Sigmoid_function
[17]Wikipedia，每秒浮點數運算次數，https://zh.wikipedia.org/wiki/%E6%AF%8F%E7%A7%92%E6%B5%AE%E9%BB%9E%E9%81%8B%E7%AE%97%E6%AC%A1%E6%95%B8
[18]陳朝烈, 陳慎謙, 林志勳, 賴建豪，「動態叢聚使用者端裝置形成雲端伺服器方法及其系統」，中華民國發明專利：發明字第I459209號，NSC100-2221-E-327-002。
[19]NVIDIA，Whitepaper NVIDIA Tegra X1，https://international.download.nvidia.com/pdf/tegra/Tegra-X1-whitepaper-v1.0.pdf