期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
能量收集下的D2D-MEC计算卸载
1
作者
曾耀平
刘月强
+2 位作者
关赛莘
江伟伟
夏玉婷
《浙江大学学报(工学版)》
EI
CAS
CSCD
北大核心
2024年第5期967-978,共12页
针对移动边缘计算(MEC)在能源消耗和安全性方面的问题,研究具有社会关系和能量收集(EH)的D2D-MEC物联网网络中的任务卸载和资源分配问题,提出基于李雅普诺夫优化的D2D在线决策匹配和资源分配(ODMRA)算法.将用户之间的社会关系量化为社...
针对移动边缘计算(MEC)在能源消耗和安全性方面的问题,研究具有社会关系和能量收集(EH)的D2D-MEC物联网网络中的任务卸载和资源分配问题,提出基于李雅普诺夫优化的D2D在线决策匹配和资源分配(ODMRA)算法.将用户之间的社会关系量化为社会信任矩阵,将能源消耗、包丢失、社会信任度表述为长期随机优化问题,采用李雅普诺夫优化方法将其分解为一系列子问题后分别求解.对于D2D间的决策选择子问题,结合子模块优化和贪婪算法设计低复杂度的策略选择算法.理论分析和仿真结果表明,所提出的ODMRA算法有效地优化了卸载方案,平衡了系统服务成本和队列长度,在能量消耗、系统服务成本方面优于其他对比算法.
展开更多
关键词
移动边缘计算
设备对设备
能量收集
李雅普诺夫
优化
子模块优化
下载PDF
职称材料
目标检测模型及其优化方法综述
被引量:
24
2
作者
蒋弘毅
王永娟
康锦煜
《自动化学报》
EI
CAS
CSCD
北大核心
2021年第6期1232-1255,共24页
近年来,基于卷积神经网络的目标检测研究发展十分迅速,各种检测模型的改进方法层出不穷.本文主要对近几年内目标检测领域中一些具有借鉴价值的研究工作进行了整理归纳.首先,对基于卷积神经网络的主要目标检测框架进行了梳理和对比.其次...
近年来,基于卷积神经网络的目标检测研究发展十分迅速,各种检测模型的改进方法层出不穷.本文主要对近几年内目标检测领域中一些具有借鉴价值的研究工作进行了整理归纳.首先,对基于卷积神经网络的主要目标检测框架进行了梳理和对比.其次,对目标检测框架中主干网络、颈部连接层、锚点等子模块的设计优化方法进行归纳,给出了各个模块设计优化的基本原则和思路.接着,在COCO数据集上对各类目标检测模型进行测试对比,并根据测试结果分析总结了不同子模块对模型检测性能的影响.最后,对目标检测领域未来的研究方向进行了展望.
展开更多
关键词
卷积神经网络
目标检测
子模块优化
下载PDF
职称材料
题名
能量收集下的D2D-MEC计算卸载
1
作者
曾耀平
刘月强
关赛莘
江伟伟
夏玉婷
机构
西安邮电大学通信与信息工程学院
出处
《浙江大学学报(工学版)》
EI
CAS
CSCD
北大核心
2024年第5期967-978,共12页
基金
陕西省重点研究开发项目(2024NC-YBXM-206)。
文摘
针对移动边缘计算(MEC)在能源消耗和安全性方面的问题,研究具有社会关系和能量收集(EH)的D2D-MEC物联网网络中的任务卸载和资源分配问题,提出基于李雅普诺夫优化的D2D在线决策匹配和资源分配(ODMRA)算法.将用户之间的社会关系量化为社会信任矩阵,将能源消耗、包丢失、社会信任度表述为长期随机优化问题,采用李雅普诺夫优化方法将其分解为一系列子问题后分别求解.对于D2D间的决策选择子问题,结合子模块优化和贪婪算法设计低复杂度的策略选择算法.理论分析和仿真结果表明,所提出的ODMRA算法有效地优化了卸载方案,平衡了系统服务成本和队列长度,在能量消耗、系统服务成本方面优于其他对比算法.
关键词
移动边缘计算
设备对设备
能量收集
李雅普诺夫
优化
子模块优化
Keywords
mobile edge computing
device-to-device
energy harvesting
Lyapunov optimization
submodular optimization
分类号
TN925 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
目标检测模型及其优化方法综述
被引量:
24
2
作者
蒋弘毅
王永娟
康锦煜
机构
南京理工大学机械工程学院
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2021年第6期1232-1255,共24页
基金
军委创新项目(18-163-11-ZT-005-032-01)资助。
文摘
近年来,基于卷积神经网络的目标检测研究发展十分迅速,各种检测模型的改进方法层出不穷.本文主要对近几年内目标检测领域中一些具有借鉴价值的研究工作进行了整理归纳.首先,对基于卷积神经网络的主要目标检测框架进行了梳理和对比.其次,对目标检测框架中主干网络、颈部连接层、锚点等子模块的设计优化方法进行归纳,给出了各个模块设计优化的基本原则和思路.接着,在COCO数据集上对各类目标检测模型进行测试对比,并根据测试结果分析总结了不同子模块对模型检测性能的影响.最后,对目标检测领域未来的研究方向进行了展望.
关键词
卷积神经网络
目标检测
子模块优化
Keywords
Convolutional neural network
object detection
sub-module optimization
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
能量收集下的D2D-MEC计算卸载
曾耀平
刘月强
关赛莘
江伟伟
夏玉婷
《浙江大学学报(工学版)》
EI
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
2
目标检测模型及其优化方法综述
蒋弘毅
王永娟
康锦煜
《自动化学报》
EI
CAS
CSCD
北大核心
2021
24
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部