内蒙古地区数据中心热量管理的挑战和对策

内蒙古地区的数据中心是国家“东数西算”工程的关键实践区域,但其热量管理在硬件设备与空间布局、建模与调度策略和热量模拟方法与平台等方面仍面临许多挑战。为使内蒙古数据中心可持续发展,提出了优化设备布局合理规划散热冷却机制、注重清洁能源利用优化运行调度策略和开发热量模拟仿真平台等数据中心热量管理应对策略。并进一步提出展望,即理想的数据中心热量模拟平台应具备数据中心运行状态模拟、轻量级的热模拟、人工智能集成仿真功能和大规模异构跨区域数据中心模仿能力等。

基于深度强化学习的数据中心热感知能耗优化方法

随着数据中心规模的不断扩大,所引起的高能耗、高运营成本和环境污染等问题日益严重,严重影响了数据中心的可持续性。大多数数据中心能耗优化方法为了降低计算能耗,会将任务集中在尽可能少的服务器上,但这样做往往会导致数据中心热点的产生,并且提高了冷却能耗。为了解决这一问题,文中首先对数据中心进行建模,并将数据中心总能耗优化问题建模为一个任务调度问题,并且要求调度过程中不产生数据中心热点。为了解决该问题,文中提出了一种基于深度强化学习的数据中心任务调度方法,并使用奖励塑造对该方法进行优化,在不产生热点的前提下降低数据中心的总能耗。最后,通过仿真环境和真实数据中心负载跟踪数据进行了实验。仿真实验结果表明,所提方法相比其他现有的调度方法能够更好地降低数据中心总能耗,最多降低了25.5%。此外,提出的优化方法还不会产生热点,这进一步证明了其优越性。

基于CNN-LSTM-SES组合模型的负载预测

随着云计算和大数据技术的快速发展,负载预测作为可优化资源分配和提高系统性能的关键任务受到了广泛关注。为了更好地对负载进行长短期时序预测和提高负载预测精度,提出了一种卷积神经网络(CNN)、长短时记忆网络(LSTM)和一次指数平滑(SES)的组合模型,并采用麻雀搜索算法(SSA)优化模型参数。经过处理的数据集分别输入到SSA-CNN-LSTM模型和SSA-SES模型中,然后对这2个模型的输出值用权重系数法进行组合得出最终的输出值。实验结果表明,本文模型在阿里云公开数据集Cluster-trace-v2018上的云计算负载预测中的性能评估值,相较于CNN-LSTM、SES、CNN-LSTM-SES、SSA-CNN-LSTM与SSA-SES模型,预测精度更高。

基于InceptionV3_SVM模型的蛋白质-ATP绑定位点预测

蛋白质-ATP绑定位点预测作为近年来生物医学领域的热点研究之一,对于医药学的发展极其重要。为了提高蛋白质-ATP绑定位点预测的准确率,提出了一种基于深度卷积神经网络和支持向量机融合(InceptionV3_SVM)的预测方法。首先对蛋白质序列进行特征提取,再采用InceptionV3模型扩大输入数据感受野,对卷积神经网络提取到的深度特征应用SVM分类器进行训练,得到最终预测结果。实验结果表明,该预测方法能够更精确的识别蛋白质-ATP绑定位点。

计算机类专业一流应用型人才培养“中软模式”探索与实践

专业依托北京中软国际教育科技股份有限公司,协同地方,经过13年校地企协同育人改革探索与研究,构建了以学生培养为中心,以提升学生工程实践能力为目标,以产出为导向的人才培养体系——“中软模式”。对计算机类专业一流应用型人才培养进行了深入地探索和实践,不仅具有重要的理论意义,而且对提高应用型人才培养质量具有重要的现实指导意义。

融合考生性格的高考志愿推荐算法

随着大数据时代的到来,推荐算法在高考志愿填报领域的应用逐渐普及。为解决考生填报志愿时的迷茫,本高考志愿推荐算法收集了往年高考数据,并实现了高考录取分数线预测模型、高考录取分数排名预测模型,且同时实现了多种职业性格测试。最后,根据考生的高考分数和排名,结合考生的职业性格测试结果以及高校各专业的录取排名预测结果为考生提供高考志愿填报意见。实验结果表明,推荐结果符合考生性格,且能顺利录取。

基于粒子群优化GRU-RNN组合模型的云计算资源负载预测

针对目前负载预测模型预测精度低、预测模型种类较单一的问题,建立一种基于粒子群的门控循环单元(GRU)与循环神经网络(RNN)结合的组合预测模型,该模型利用粒子群优化模型的参数,通过自适应调参数的方式为GRU-RNN组合模型匹配最优的神经元个数,利用GRU预测精度高以及RNN参数少、易收敛的优点对云计算资源负载进行预测。首先对数据集作缺失值处理、使用CRITIC权重法将CPU使用率和内存使用率的负载值进行组合,再对组合值进行标准化处理,作为PSO-GRU-RNN组合预测模型的输入,实现对云计算资源的高效预测。利用集群公开数据集Cluster-trace-v2018、PSO-GRU-RNN组合预测模型对负载进行预测。实验结果表明,笔者提出的PSO-GRU-RNN模型相比于现有的组合预测模型ARIMA-LSTM、GRULSTM等,有更高的预测精度。

引入收益因素的RBF神经网络及其应用

考虑到投资者的主要目的是盈利这一重要因素 ,提出了一种改进的径向基函数 (RBF:Radial basis func-tion)神经网络方法。在 RBF网络的误差函数中增加了利润、时间和趋势信息 ,并采用基于梯度下降的误差纠正算法对网络进行训练。对股市综合指数进行预测的结果表明 ,该方法在提高投资收益的意义下 ,提高了神经网络模型在金融领域的预测性能。

RBF神经网络的训练方法及分析

给出了三种RBF神经网络的训练方法 ,并对三种方法进行了分析和比较 .

神经网络及其在股市预测中的应用

将BP神经网络和RBF神经网络应用于股市综合指数预测 .预测结果表明 ,RBF网络计算量少 ,学习速度快 。

金融时间序列预测中的神经网络方法

概述了神经网络方法在金融时间序列预测应用中所面临的有关问题,给出了解决方法;针对有关模型和算法作了计算模拟与分析,得到了一些可供今后研究参考的经验结果;讨论了金融时间序列预测中主要的神经网络模型,如多层前馈网络、径向基函数网络以及支持向量机网络等。总结了关于模型改进的一些近期研究进展与结果,指出了神经网络用于金融时间序列预测的一些可能的方向。

一种改进的降噪自编码神经网络不平衡数据分类算法

针对少数类样本合成过采样技术(synthetic minority over-sampling technique,SMOTE)在合成少数类新样本时会带来噪声问题,提出了一种改进降噪自编码神经网络不平衡数据分类算法(SMOTE-SDAE)。该算法通过SMOTE方法合成少数类新样本以均衡原始数据集,考虑到合成样本过程中会产生噪声的影响,利用降噪自编码神经网络算法的逐层无监督降噪学习和有监督微调过程,有效实现对过采样数据集的降噪处理与数据分类。在UCI不平衡数据集上实验结果表明,相比传统SVM算法,该算法显著提高了不平衡数据集中少数类的分类精度。

基于粒子群与模拟退火算法的板材优化下料

提出一种用于处理板材下料问题的粒子群与模拟退火混合算法。同时,在把下料模式转化为实际设计时,提出了一种类似于Bottom Left(BL)算法的转换方法。模拟实验结果表明这种混合方法的性能明显优于粒子群算法。

中药材品质无损检测技术研究进展

该文综述了X射线技术、计算机视觉技术、核磁共振技术、近红外光谱技术、高光谱成像技术、太赫兹光谱技术等无损检测技术在中药材品质检测领域中的应用进展,分析各种无损检测技术优势和劣势,并对无损检测技术在中药材品质检测领域的发展趋势进行展望,为中药材品质无损检测技术标准研究提供参考。

采用渐进式深化校企合作方式培养计算机专业应用型人才

紧密结合当地经济社会发展的实际需要,以培养计算机本科工程应用型人才为目标叫依托国家、自治区相关校企合作政策,申请产学合作协同育人、新工科研究与实践、十三五规划等项目,建立校企协同育人新机制,改革和创新人才培养模式.在改革实践过程中,通过各种形式的合作:“3+1实训”、专业共建和学院共建,校企双方深化了校企合作、协同育人机制.另外,通过校地企合作开展专业技能大赛,为双创教育搭建平台,逐步形成了“渐进式深化校企合作,培养计算机类专业应用型人才”的体制与机制.该成果经过近10年的努力,取得了丰硕的教改成果.该成果在校内校外进行了推广与应用,为探索和践行应用型工程人才培养提供了行之有效的方法和途径,获得了各界好评.

粒子群优化算法及其应用

粒子群算法是一种群体优化算法,详细介绍了粒子群算法的基本原理、参数选择及其应用领域.

一种稀疏降噪自编码神经网络研究

近年来,基于深度学习的自编码神经网络是数据降维问题研究的热点,数据降维能够有效地消除无关和冗余信息,提高学习数据内在特征的效率.研究了在原始数据预处理时加入噪声,可训练出对输入信息更加鲁棒的表达,从而提升自编码神经网络模型对输入数据的泛化能力.提出了一种稀疏降噪自编码神经网络(Sparse De-noising Auto-Encoder,SDAE),基于稀疏性的思想,对降噪自编码神经网络加以改进,使得抽象出的特征稀疏表示,更有效的用于数据分类.实验结果表明稀疏降噪自编码神经网络(SDAE)分类准确率要优于传统的自编码神经网络及降噪自编码神经网络.

基于.NET的开放性实验室教学管理系统的设计与实现

随着我国高校教学改革的不断加深,开放式实验室管理系统的应用对于培养学生个性化学习和创新能力方面,有极大的促进作用。开放性实验室教学管理系统是基于.NET框架以及SQL Server 2005数据库技术设计,利用C#程序开发语言进行代码编写并在Visual Studio 2008集成开发环境下完成了系统设计和实现。该系统改变了传统实验室教学管理模式,大大提高了当今高校实验室教学管理水平以及工作效率。

实验室网络还原系统软件的研究

硬盘还原卡是学校、网吧等公共机房常用的硬件之一,其最基本的功能是本地系统还原与网络对拷.很多还原卡就是在一块普通的网卡上插入一块芯片,如果我们能够将芯片中的程序读出或者通过编写程序的方式模拟其相应的功能,就可能以软件的方式实现系统还原与网络对拷的功能了.本文作者以实际的还原卡为例,给出了如何以软件方式代替硬件还原卡的办法.用这种方式进行系统还原与网络对拷,可以免去还原卡,从而可以为学校或网吧节省数万元的开销.

计算机病毒免疫的初步研究

现在的病毒大多都是基于WINDOWS系统平台进行传播和发作的,很多病毒可以绕过查毒软件的拦截甚至关闭查毒软件及防火墙.系统一旦感染病毒,直接影响系统和网络的正常运行.近年来,计算机病毒免疫方面的研究渐渐受关注,人们提出一些免疫的设想和模式,但并没有具体实现.网上能够搜索到的病毒免疫工具只是对固定的一些病毒进行免疫,对于用户新发现的病毒则无能为力.本文作者给出一种用户可自己增加免疫病毒库的免疫方法,可以对新发现的病毒进行及时有效的免疫.