期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于双向多步预测的炉管温度场重构方法 被引量:1
1
作者 林启钊 彭志平 +1 位作者 郭棉 崔得龙 《计算机与现代化》 2024年第1期53-58,共6页
针对高温封闭的乙烯裂解环境下裂解炉炉管温度感知难的问题,提出一种融合机理和长短记忆神经网络(Long Short-Term Memory,LSTM)的裂解炉炉管表面温度场重构方法。该方法首先基于计算流体力学仿真平台fluent构建乙烯裂解反应机理模型,... 针对高温封闭的乙烯裂解环境下裂解炉炉管温度感知难的问题,提出一种融合机理和长短记忆神经网络(Long Short-Term Memory,LSTM)的裂解炉炉管表面温度场重构方法。该方法首先基于计算流体力学仿真平台fluent构建乙烯裂解反应机理模型,用来描述裂解反应与炉管温度的数学关系,然后利用工业现场数据对机理模型进行数值矫正和过程参数求解,进一步基于皮尔逊相关系数确定适用性强的主要过程参数,在此基础上,设计卷积块注意力模块(Convolu tional Block Attention Module,CBAM)对反映裂解反应与炉管温度关系的主要过程参数的特征进行提取,最后基于遗传算法和LSTM网络设计双向多步预测模型(GA-BMLSTM)对炉管温度分布进行预测。实验结果表明该方法对炉管温度场的重构有较高的准确率和较强的适用性。 展开更多
关键词 乙烯裂解炉 温度场重构 计算流体力学 注意力机制 遗传算法
下载PDF
基于分形布朗业务模型的差分队列服务建模
2
作者 郭棉 姜胜明 +1 位作者 官权升 毛华超 《华南理工大学学报(自然科学版)》 EI CAS CSCD 北大核心 2012年第9期87-92,共6页
差分队列服务(DQS)是一种在有线与无线融合网络中能有效提供服务质量的服务质量模型,文中基于DQS的思想,将具有相同时延要求的到达业务作为一个分形布朗运动(FBM)业务,建立了一个针对多个FBM业务及对应时延要求的差分队列服务模型,并推... 差分队列服务(DQS)是一种在有线与无线融合网络中能有效提供服务质量的服务质量模型,文中基于DQS的思想,将具有相同时延要求的到达业务作为一个分形布朗运动(FBM)业务,建立了一个针对多个FBM业务及对应时延要求的差分队列服务模型,并推导出该模型下的丢包率公式.仿真结果表明,文中模型分析的结果与基于数据包粒度的仿真结果是一致的.模型性能分析结果表明,实时业务的突发性对差分队列服务的服务质量保证影响较大. 展开更多
关键词 融合网络 服务质量 差分队列服务 分形布朗运动
下载PDF
无线MESH网络的多信道技术 被引量:1
3
作者 郭棉 《科技风》 2008年第16期41-41,共1页
无线Mesh网络又称多跳无线网络,是一种完全不同于传统无线网络的下一代无线宽带接入网络。采用跨层设计,综合考虑MAC(mediaaccesscontro)l问题、多信道分配及多接口分配问题是有效解决无线网状网的多信道分配问题的主要技术手段,通过跨... 无线Mesh网络又称多跳无线网络,是一种完全不同于传统无线网络的下一代无线宽带接入网络。采用跨层设计,综合考虑MAC(mediaaccesscontro)l问题、多信道分配及多接口分配问题是有效解决无线网状网的多信道分配问题的主要技术手段,通过跨层设计可获得最大信道利用率,提高无线网状网的容量。 展开更多
关键词 无线网状网 多信道 跨层 媒体访问控制
下载PDF
寻址上移对交换系统接通率的影响
4
作者 郭棉 王小西 《中国高新技术企业》 2008年第18期139-140,共2页
本文以某地市联通移动通信网为研究对象,讨论将GSM交换机的寻址功能上移到综合关口局对交换系统接通率的影响。通过对比分析前后的呼叫流程,我们可以得出这样的结论,寻址上移能降低移动通信网的HLR查询、用户关机等呼损次数,从而将本地... 本文以某地市联通移动通信网为研究对象,讨论将GSM交换机的寻址功能上移到综合关口局对交换系统接通率的影响。通过对比分析前后的呼叫流程,我们可以得出这样的结论,寻址上移能降低移动通信网的HLR查询、用户关机等呼损次数,从而将本地MSC的交换系统接通率从90%提高到94%。 展开更多
关键词 移动通信 GSM系统 交换网络 网络优化 综合关口局
下载PDF
面向延迟敏感型物联网应用的计算迁移策略 被引量:6
5
作者 郭棉 李绮琦 《计算机应用》 CSCD 北大核心 2019年第12期3590-3596,共7页
针对云计算网络延迟较长、能耗过高和边缘服务器计算资源有限的问题,提出了一种提高延迟敏感型物联网(IoT)应用服务质量(QoS)的边缘-云合作的漂移加惩罚计算迁移策略(DPCO)。首先,建立物联网-边缘-云系统模型,对业务模式、计算任务所经... 针对云计算网络延迟较长、能耗过高和边缘服务器计算资源有限的问题,提出了一种提高延迟敏感型物联网(IoT)应用服务质量(QoS)的边缘-云合作的漂移加惩罚计算迁移策略(DPCO)。首先,建立物联网-边缘-云系统模型,对业务模式、计算任务所经历的传输延迟和计算延迟、系统产生的计算能耗和传输能耗等进行数学建模;然后,以系统能耗和任务平均延迟为优化目标,以边缘服务器的队列稳定性为限制条件构建边缘-云合作的计算迁移优化模型;接着,以优化目标为惩罚函数,基于李雅普诺夫稳定性理论推导出计算迁移优化模型的漂移加惩罚函数特性。最后,基于推导结果提出了DPCO计算迁移算法,通过每时隙选择使当前漂移加惩罚函数最小化的计算迁移策略来降低长期的单位时间能耗和缩短系统平均延迟。与轻流雾处理(LFP)、基准边缘计算(EC)、基准云计算(CC)策略相比,DPCO的系统能耗最低,约是CC策略的2/3;任务平均延迟也最小,可减少为CC的1/5。实验结果表明,DPCO能够有效降低边缘-云计算系统的能量消耗,减少计算任务的端到端延迟,满足延迟敏感型IoT应用的QoS要求。 展开更多
关键词 云计算 边缘计算 计算迁移 能量消耗 服务质量
下载PDF
移动边缘计算环境中面向机器学习的计算迁移策略 被引量:4
6
作者 郭棉 张锦友 《计算机应用》 CSCD 北大核心 2021年第9期2639-2645,共7页
针对物联网(IoT)数据源的多样化、数据的非独立同分布性、边缘设备计算能力和能耗的异构性,提出一种集中学习和联邦学习共存的移动边缘计算(MEC)网络计算迁移策略。首先,建立与集中学习、联邦学习都关联的计算迁移系统模型,考虑了集中... 针对物联网(IoT)数据源的多样化、数据的非独立同分布性、边缘设备计算能力和能耗的异构性,提出一种集中学习和联邦学习共存的移动边缘计算(MEC)网络计算迁移策略。首先,建立与集中学习、联邦学习都关联的计算迁移系统模型,考虑了集中学习、联邦学习模型产生的网络传输延迟、计算延迟以及能耗;然后,以系统平均延迟为优化目标、以能耗和基于机器学习准确率的训练次数为限制条件构建面向机器学习的计算迁移优化模型。接着对所述计算迁移进行了博弈分析,并基于分析结果提出一种能量约束的延迟贪婪(ECDG)算法,通过延迟贪婪决策和能量约束决策更新二阶优化来获取模型的优化解。与集中式贪婪算法和面向联邦学习的客户选择(FedCS)算法相比,ECDG算法的平均学习延迟最低,约为集中式贪婪算法的1/10,为FedCS算法的1/5。实验结果表明,ECDG算法能通过计算迁移自动为数据源选择最优的机器学习模型,从而有效降低机器学习的延迟,提高边缘设备的能效,满足IoT应用的服务质量(QoS)要求。 展开更多
关键词 移动边缘计算 计算迁移 机器学习 联邦学习 延迟敏感
下载PDF
新理念下小学体育有效教学探索
7
作者 郭棉 《中文科技期刊数据库(引文版)教育科学》 2016年第11期279-279,共1页
小学体育课堂是提升小学生身体素质、增强体育素养和健身意识的重要场所,国家始终强调提升国民体育素质,而小学体育课堂作为增自主强锻炼意识的基础,更得到广泛关注。而小学生的身体特点、心理素质和运动能力各有不同,通过体育课堂增强... 小学体育课堂是提升小学生身体素质、增强体育素养和健身意识的重要场所,国家始终强调提升国民体育素质,而小学体育课堂作为增自主强锻炼意识的基础,更得到广泛关注。而小学生的身体特点、心理素质和运动能力各有不同,通过体育课堂增强学生的身体机能和心理健康已成为素质教育的重要课题。 展开更多
关键词 新理念 小学体育 有效教学
下载PDF
新时代课程思政实施成效评价:导向、问题与原则 被引量:2
8
作者 许清媛 杨舰 +2 位作者 郭棉 程静 张承鹍 《广东技术师范大学学报》 2022年第3期94-98,共5页
挖掘专业教育的德育功能,可促进专业教育和思政教育的同向同行协同效应,是新时代发挥好课堂,实现全员全程全方位课程思政育人教学的一种主要形式.然而,由于课程思政实施成效具有明显的隐性、非线性和主观性等特征,其评价难以开展.基于... 挖掘专业教育的德育功能,可促进专业教育和思政教育的同向同行协同效应,是新时代发挥好课堂,实现全员全程全方位课程思政育人教学的一种主要形式.然而,由于课程思政实施成效具有明显的隐性、非线性和主观性等特征,其评价难以开展.基于国家政策导向和评价依据进行分析,深度剖析了课程思政实施成效评价存在的主要问题,主导选用增量式和系统工程式的评价方法,坚持多维度评价基本原则,以学生获得感的发展变化为评价依据进行课程思政实施成效评价,有助于师生及时掌握课程思政教育成效,从而促进课程思政教学资源的建设,实施水平的提高和实施方式的优化. 展开更多
关键词 课程思政 实施成效评价 学生获得感 优化课程思政实施质量
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部