能量收集下的D2D-MEC计算卸载

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.

目标检测模型及其优化方法综述

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.