区域水资源共享冲突的网络治理模式创新

水资源是关系国计民生的重要战略性自然资源,具有多种属性。2009年世界水日的主题(跨界水:共享的水、共享的机遇)引发了各国对跨界水资源治理制度的关注。典型的市场治理或科层治理机制已经无法解决跨界水资源多维属性的复杂问题,其治理效果和效率在不断降低。本文从我国的水资源共享冲突区域现实及"9+2"合作区的构建出发,认为我国的区域水资源共享冲突治理需要借鉴西方的网络治理模式,以提高治理效率。西方学者提出的共享型治理、领导型网络治理和行政型网络治理三种不同的网络治理结构模式在我国不具备独立存在的环境,认为水资源的共享治理创新将涉及流域沿途的不同区域不同部门,以及同一区域不同层次的各部门。应该建立一种兼具领导型网络与行政型网络的复杂治理结构,即按照传统的自上而下层级结构建立纵向的权力层次,并按照新兴的各种利益集团组织建立横向的行动规则,形成区域公共物品或公共服务的共享供给和实施决策机制。

SAN系统中存储空间共享冲突问题的研究

在分析SAN系统中存储空间共享冲突产生原因和表现形式的基础上,给出了解决这一难题的分布式和集中控制两种基本方法,并融合了集中控制的网络文件系统、三方传送和软件RAID等技术,提出并实现了FC3HPN系统,该系统在具备较高性能的同时,首次实现了元数据共享。

名校集团化的共享冲突与协调

资源共享是义务教育均衡推进中集团化办学路径、政策选择的重要依据。这种资源共享在初期阶段能够促成基础教育更均衡与更公平。基于共享冲突理论,集团化路径选择中的资源共享也在各自愿景、教师专业发展与学校管理等方面存在冲突。塑造名校集团的整体图像、加强教师共同体建设、探索文化共享机制和改进集团管理,有助于化解共享冲突。

面向5G融合配电网的基站能量共享方法

针对5G融合配电网的经济性多基站能量共享机理及实现方法这一关键性问题,首先,构建基站能量共享系统,提出基站能量共享能力模型,建立基站间能量共享连接以及配电网-基站购电模型;之后,提出基于一对多升价匹配的低成本基站能量共享方法,解决能量共享冲突问题;最后,通过仿真验证所提算法的性能。仿真结果表明,相较于基于单边匹配的基站能量共享算法和基站最优购电算法,所提算法能够使基站群购电成本和弃光量分别降低14.37%、41.80%和56.80%、85.58%,可促进基站购电成本降低与新能源就地消纳,助力5G网络及新型电力系统建设。

面向共享资源冲突的SoC并发时钟调度管理

片上系统（SoC）的多任务并发性使得总线和主存等共享资源的竞争日趋频繁，如何在满足系统峰值功耗需求的同时减少资源冲突带来的功耗损失是系统级时钟管理的难点。为此，提出一种SoC系统级时钟调度管理方法，在不影响系统性能的前提下，根据各计算单元在共享资源上的竞争概率，计算各单元由于竞争冲突导致的等待时间，进而在已知任务截止时间的前提下，分析各个任务的实际有效工作时间，通过软件调配各计算单元时钟频率调度共享资源的访问，实现系统在满足峰值功率约束下的总功耗最优化。实验结果表明，该方法可降低3．3％～38．2％的SoC系统总功耗。

局域网下Visual Foxpro数据库共享技术研究

对VFP与网络的结合作了一些探索性研究,并对其在局域网中由于数据库共享引起的冲突问题给出了分别针对数据独占语问和共享访问而采取的解决办法。

局域网下Visual FoxPro数据库共享技术

文章对VFP与网络的结合作了初步的探索。

基于COM组件构建枣网上专家系统

开发出了一种枣的网上智能专家系统,系统在实现后台管理功能的同时通过“制约性安全保护机制”、“共享冲突保护机制”和“非法入侵保护机制”实现了网络安全,设计并实现了基于COM组件的网络推理机。

在Visual C++中利用自定义消息实现线程间通讯

本文讨论了如何在Visual C++中利用自定义的消息,实现主线程对从线程的灵活控制,并实时地将从线程处理过的数据发给主线程,同时采用临界区解决了资源的共享冲突,极大地增加了多线程程序的灵活性和安全性。

基于QoS协同关联的改进Skyline制造服务组合优化方法

服务社会网络环境下,云制造服务通过与其他参与同一任务的服务共享与竞争物理设备、信息、知识等资源形成协同效应,对双方实际执行效果具有重要影响,导致出现QoS偏离现象,现有服务选择模型难以适应这一情景。根据服务协同网络特点,本文提出基于QoS协同关联的制造服务组合方法。运用QoS协同关联和协同系数表达资源共享、冲突对QoS的影响程度,构建了新的服务选择优化模型。基于创新Skyline服务对概念,改善了Skyline算法在QoS协同关联条件下的搜索效率和结果,通过智能汽车制造仿真实验,验证了本文模型和算法的有效性。

面向实时应用的深度学习研究综述

深度学习算法和GPU算力的不断进步,正促进着人工智能技术在包括计算机视觉、语音识别、自然语言处理等领域得到广泛应用.与此同时,深度学习已经开始应用于以自动驾驶为代表的安全攸关领域.但是,近两年接连发生了几起严重的交通事故表明,深度学习技术的成熟度还远未达到安全攸关应用的要求.因此,对可信人工智能系统的研究已经成为了一个热点方向.对现有的面向实时应用的深度学习领域的研究工作进行了综述,首先介绍了深度学习技术应用于实时嵌入式系统所面临的关键设计问题;然后,从深层神经网络的轻量化设计、GPU时间分析与任务调度、CPU+GPU SoC异构平台的资源管理、深层神经网络与网络加速器的协同设计等多个方面对现有的研究工作进行了分析和总结;最后展望了面向实时应用的深度学习领域进一步的研究方向.