基于时延程策略的多会话时延损伤模拟

随着卫星网络、车联网络、工业网络等业务仿真模拟需求的日益增长,针对传统专用信道损伤仪存在的模拟链路数量少、灵活性低、资源占用高等问题,本文提出一种基于时延量程策略的多会话时延损伤模拟方法,构建灵活的软件网络损伤模拟。该方法通过识别检测独立控制各会话流的时延损伤,并采用基于时延程策略的多队列合并架构以降低资源占用。实验结果表明,相较于传统专用设备与模拟软件NetEm,该方法支持百万级链路的独立时延配置,会话流数从十数条增加到百万条,且在各带宽下降低至少85%的内存占用,满足大规模和精度的同时极大的降低系统成本。

多通道图神经网络的层次化融合模型用于增强会话的推荐

基于会话的推荐系统(SBR)旨在根据用户历史的行为去预测下一个最有可能点击的项目.一方面由于会话推荐序列较短,可用的信息比较少,另一方面会话推荐多为匿名用户,没有丰富的用户信息,导致无法获得用户历史的交互行为或者用户的偏好,这为SBR带来了挑战.现有基于SBR研究方法大都是将会话序列建模为成对的图结构化数据或者建模为超图结构化数据,这种将会话序列建模为单一图的方法无法捕获更完整的项目转化信息,从而降低模型的准确度.为了充分考虑会话之间的相互影响,本文提出了一种多通道图神经网络的层次化融合模型用于增强会话的推荐(HFMC-SBR).模型首先将会话序列建模为全局图、局部图和超图数据,然后分别使用全局编码层和局部编码层以及超图卷机神经网络来捕获节点之间复杂的依赖性关系,学习3种项目嵌入,进而获得全局、局部以及超图项目表示信息,进而引入3层融合模型将三通道融合形成项目表示获得完整的项目转化信息,同时使用注意力机制和反向位置编码对全局上下文和局部上下文信息以及超图通道捕获的会话之间的高阶关系进行有效的融合.实验表明,本文所提出的模型HFMC-SBR,在Tmall、Diginetica和Yoochoose3种数据集上所表现的性能优于基线模型.

自监督混合图神经网络的会话推荐模型

基于会话的推荐旨在利用匿名会话预测用户行为。现有基于图神经网络(GNN)的会话推荐算法大多仅针对当前会话提取用户偏好,却忽略了来自其他会话的高阶多元关系从而影响推荐精度。此外,由于会话推荐所采用的短时交互序列包含的信息非常有限,使其更容易受到数据稀疏性的影响。针对上述问题,提出了自监督混合图神经网络会话推荐模型(SHGN)。该模型首先通过将原始数据构建为三个视图来描述会话与物品关系,然后通过多头图注意力网络捕获会话内部物品的低阶转换信息,提出了残差图卷积网络捕获物品和会话的高阶转换信息;最后融合自监督学习(SSL)作为辅助任务,通过最大化不同通道学习到的会话嵌入的互信息,对原始数据进行数据增强从而提升推荐性能。为了验证该方法的有效性,在Tmall、Diginetica、Nowplaying、Yoochoose四个基准数据集上与SR-GNN、GCE-GNN、DHCN等主流基线模型进行了对比实验,实验结果在P@20、MRR@20等性能指标上均取得了一定提升。

面向会话的需求感知注意图神经网络推荐模型

针对现有基于图的会话推荐方法忽略了反馈数据中由于用户行为不确定性引起的噪声影响,存在无法准确和有效地捕捉用户偏好的问题,提出一种面向会话的需求感知注意图神经网络推荐模型(DAAGNNSR)。将具有时序性的会话数据构建为图,通过引入图神经网络学习图上节点嵌入表示;将提取的项目特征使用需求感知聚合器线性聚合为用户潜在需求矩阵,以自动削弱噪声干扰,同时用低秩多头注意力网络将该矩阵与全部项目特征进行逐项兴趣交互生成需求增强的项目表征;联合独立位置编码进一步分析项目间顺序关联,并且将生成的独立位置嵌入与项目表征进行线性融合;经过预测层生成推荐列表。将所提模型在Diginetica、Tmall和Nowplaying三个公共数据集上进行训练和测试,实验结果表明,该模型的推荐精度在各指标上均优于其他基线模型,与基于图上下文自注意力机制模型(GCSAN)相比,Diginetica上NDCG@10提高了5.6%,Tmall上Recall@10提高了6.4%;与基于图神经网络的SRGNN相比,Tmall上Precision@10提高了5.0%,推荐性能显著提升。

基于多关系感知和自监督学习的超图增强会话推荐模型

会话推荐旨在基于匿名用户的历史行为序列预测下一个最有可能交互的项目。现有的大多数基于超图解决会话推荐模型没有考虑超边同构,忽略了会话内可能存在的多种依赖关系,从而无法捕获会话的潜在信息。同时,会话匿名性和短序列往往会导致数据稀疏性,影响了推荐模型的性能。因此本文提出一种基于多关系感知和自监督学习的超图增强会话推荐模型(MS-HGNN),该模型能够有效捕获会话间用户的复杂高阶关系和会话内顺序及共现依赖关系。具体来说,MS-HGNN模型将会话序列分别建模为超图、共现图和顺序图,在捕获超图的同时加入位置信息以减轻超边同构,利用门控机制融合会话内顺序依赖关系和共现依赖关系。此外,使用自监督学习最大化两个会话表示之间的互信息以缓解数据稀疏性,有效地融合用户的复杂高阶关系和会话内顺序及共现依赖关系。广泛的实验结果表明,所提出的MS-HGNN模型在三个真实数据集Diginetica、Tmall和Last.fm上的性能优于目前最先进的模型。

基于序列交叉融合的多行为会话推荐模型

现有多行为会话推荐研究将会话的微行为序列拆分为物品序列和操作序列以捕获用户兴趣偏好,但未考虑两个序列的交叉影响,导致用户兴趣建模存在偏差,限制了模型性能。针对上述问题,提出一种基于序列交叉融合的多行为会话推荐模型。利用提出的序列交叉融合模块,充分交叉融合物品序列和操作序列各自的兴趣信息。设计基于兴趣相似物品的标签平滑损失函数,将与样本标签物品具有相似兴趣的物品也推荐给用户,提升模型泛化能力。在3个公开数据集上的大量实验验证了该模型性能优于基准模型。

基于多模态知识图的用户微行为会话推荐

基于会话推荐的目标是根据给定的会话预测下一个交互项.针对现有基于会话推荐大多只关注某个用户交互项的连续项来捕获相关信息;以及利用知识图谱提供辅助信息的过程中忽略了多模态知识图中各种数据类型的问题.本文提出多模态知识图的用户微行为的会话模型,将用户微行为和多模态知识纳入基于会话推荐的多任务学习中,用户微行为对项目的建模在微观行为级别上,使用一系列项目操作对来充分捕获会话中的用户意图.提出多模态知识图注意力网络,通过使用多模态图注意机制进行信息传播,将得到的聚集嵌入表示进行推荐.考虑候选项目信息来平衡局部和全局表示的门控模块,门控模块利用多层感知器层对候选项目、最近交互项目和每个用户的全局偏好之间的关系进行建模来计算权重.在两个基准数据集的实验结果表明,本文所提模型优于最新基于会话的推荐,有利于提升推荐的准确率.

基于复合卷积和自注意力的会话推荐

最近,基于卷积神经网络(convolutional neural networks,CNN)的方法显示了在会话数据建模中的潜力,尤其是在提取用户复杂的局部行为交互方面。递归神经网络(recurrent neural networks,RNN)很难从远距离学习项目依赖,而自注意力(self-attention,SA)结构具有对会话事件的顺序进行建模并捕获远距离项目之间交互关系的能力,对于会话数据来说是一种优越的选择。因此提出了一种复合卷积自注意力架构(compound convolutional and self-attention network,CCNN-SA)。该架构利用了两个卷积模块提取的复杂局部特征,同时使用了多头自注意力结构从会话事件中学习长期交互关系,这种灵活而统一的网络体系结构有利于对会话序列的各种重要特征进行综合建模。在两个来自电子商务的基准数据集上对所提出的模型进行了验证,在表征命中率和预测结果排名的评估指标Recall@20和MRR@20上,对于YOOCHOOSE数据集分别提升了2.79%和5.87%,在DIGINETIC数据集上分别提升了2.17%和6.43%,验证了模型的有效性与合理性。

基于Bi-GRU和外部注意网络的会话推荐模型

基于会话的推荐系统(SRS)可以根据匿名用户的历史行为序列预测用户的下一个动作。现有推荐模型大都会忽略当前会话与其他会话的潜在相关性,不能捕捉用户的主要意图。为解决该问题,提出一种基于Bi-GRU和外部注意网络的会话推荐模型(SR-BGEAN)。该模型首次将外部注意机制引入会话推荐任务中,并结合Bi-GRU进行建模,同时捕获会话内物品双向顺序信息和会话样本间全局信息,形成最终的兴趣表示。在Diginetica和Yoochoose数据集上的实验结果表明,相对最优的基线模型,SR-BGEAN模型在推荐的前20个项目中的命中率更高,可达到71.50%。

GPS接收机内噪声水平的评价与检测方法

论文结合某品牌GPS接收机检测实例,提出了GPS接收机内噪声水平分布统计的评价方法,以及在超短基线场内GPS接收机内噪声水平的全新检测方法———多时段旋转检测台法。实例测试,按本方法得到的被测试GPS接收机内噪声水平标准差为0.38mm。由测试实例得到如下结论:本文的GPS接收机内噪声水平评价方法以及检测方法更加合理、可信;在超短基线场内多时段测得的同一基线长度互差应小于2mm;GPS接收机系统软件的抗噪性能对内噪声水平有着非常重要的影响。

基于网格的多时段GPS载波相位测量快速解算

探讨如何利用网格对多时段GPS载波相位测量进行快速解算。首先根据最小二乘原理推导多时段GPS载波相位测量的平差模型,分析该平差模型的可分解性,将其分解为适合网格计算的若干子计算。然后讨论由这些子计算形成的网格工作流及其实现。最后对一条4时段基线分别进行单机和网格解算,实验结果表明,网格解算方案是可行的,能成倍提高多时段GPS载波相位测量的解算速度。

GPS接收机内噪声水平的评价与检测方法

结合三台Trimble4000se型单频GPS接收机检测实例,提出了GPS接收机内噪声水平分布统计的评价方法,以及在超短基线场内GPS接收机内噪声水平的检测方法——多时段旋转检测台法、实例测试,按本论文方法得到的被测试GPS接收机内噪声水平标准差为0．38mm。由测试实例得到如下结论:GPS接收机内噪声水平评价方法以及检测方法更加合理、可信;在超短基线场内多时段测得的同一基线长度互差应小于2mm;GPS接收机系统软件对内噪声水平有着非常重要的影响。

Parlay多业务环境中SSDB机制的性能分析

主要研究在Parlay多业务环境中,在不同负载情况下,由软交换发起的业务和由Web服务器发起的业务之间性能的相互影响,提出了在这些业务间动态分配系统资源的方法,并在保证系统稳定性的前提下,提出使用会话建立时延约束(SSDB)机制确保各业务的吞吐量、请求响应时间等性能指标.仿真结果表明,结合SSDB机制的系统资源动态分配能有效地满足下一代网络多业务环境中各业务性能的要求.

移动通讯媒体流仿真器的设计与实现

介绍了IMS(IP多媒体子系统)中所使用的音频和视频编码;针对IMS系统设计实现了一种应用于移动通讯系统的IP媒体流仿真器,此种仿真器实现了IMS系统中音频的AMR编码和视频的H 263编码,使用RTP协议产生模拟的实时媒体流。它可对IMS系统的媒体承载节点进行测试,配合其他的会话控制协议仿真器,可对IMS系统进行综合测试,给出了此种仿真器的设计原理和实现方法。在实际的应用中,此媒体仿真器作为IMS协议仿真器的重要组成部分得到了良好的应用效果。

多人会话系统的实现

多人会话系统是一个多对多的网络会话系统。登录到服务器的每一个会员可在本地建立一个或多个会议室，将其他会员加入会议室后，便可对会议室的任何一个会员会话。也可实现对会议室所有会员的广播。多人会话系统建立在两人会话系统的模型上，利用服务器的转发来实现。

中长跑项目多课次训练模式

对中长跑"多课次"训练的概念、必要性、生理学基础等进行较为详细的论述,并对"多课次"训练计划的安排及应注意的问题作了说明,旨在丰富中长跑训练的方法手段,保证训练的质量,尽快提高成绩。研究认为,中长跑采用"多课次"训练是可行的,也是必要的,是科学化运动训练的一大体现。建议:"多课次"训练时间的安排,应突破传统的条条框框,在全天24小时内合理安排,实践中逐步摸索出适合每位运动员最为科学的训练课次及运动负荷量。

基于Petri网的密码协议形式化建模

密码协议是安全共享网络资源的机制和规范,是构建网络安全环境的基石,其安全性对整个网络环境的安全起着至关重要的作用。提出了采用Colored Petri Nets(CPN,着色Petri网)分析密码协议的新方法。采用新方法对TMN协议的多次并发会话通信进行形式化建模,模型依据会话配置和会话顺序进行功能单元划分,采用on-the-fly方法生成攻击路径。采用状态空间搜索技术,发现了该协议的多次并发会话不安全状态,并获得了新的攻击模式。

基于数据仓库多版本数据更新控制算法的研究

作者在分析数据仓库联机维护与下查的3vwq算法的基础上,研究并提出了保证任务一致性的不限制版本数的实视图维护方法及多用户查询和系统维护之间的协调算法。通过使用改进后的算法,使数据仓库的维护性能得到了较大的提高。

构建基于SIP与嵌入式多核架构的流媒体服务器

结合当前最流行且得到业界广泛认可的嵌入式数字视频系统框架——达芬奇技术框架,基于达芬奇技术典型处理器TMS20DM6446平台构建流媒体服务器,用AVS、H.264和MPEG4做视频压缩,用G.711和G.728做音频压缩算法,用SIP做访问控制协议,用RTP/RTCP和UDP等做媒体控制和传输协议;完成具有完整实时编码、录像存储、实时监控、远程控制等功能的网络音视频监控系统。该系统具有高性能、高编码效率、低成本、低延迟、强实时性等特点,能够在广域网上流畅运行。