依据高职高专类计算机相关专业关于Linux网络服务器课程的培养目标,针对高职高专类学生基础较差和自律性较低的现实,以及该课目知识点多、内容枯燥、记忆量大、重实践的特点,提出一种教授和学习该课目的新方法.该方法遵循以上机实验为...依据高职高专类计算机相关专业关于Linux网络服务器课程的培养目标,针对高职高专类学生基础较差和自律性较低的现实,以及该课目知识点多、内容枯燥、记忆量大、重实践的特点,提出一种教授和学习该课目的新方法.该方法遵循以上机实验为主、理论讲授为辅的讲学模式,通过分解和简化Red Hat Linux的上机实验题目和有针对性的测验,将教学任务和知识点进行最大化的分解,以减轻学生的学习负担和记忆负担,从而提高学生的学习效率.展开更多
为了满足运行速度快、时延低、性能好、公平性好等特点,提出了多服务器门限服务系统,并利用BiLSTM(Bi-direc-tional Long Short-Term Memory)神经网络对其进行预测分析,使用多服务器接入方式来降低网络时延,改善系统性能。多个服务器调...为了满足运行速度快、时延低、性能好、公平性好等特点,提出了多服务器门限服务系统,并利用BiLSTM(Bi-direc-tional Long Short-Term Memory)神经网络对其进行预测分析,使用多服务器接入方式来降低网络时延,改善系统性能。多个服务器调度时,可以采用同步和异步两种方式。首先,研究多服务器门限服务的系统模型。其次,在单服务器的基础上,利用嵌入马尔可夫链和概率母函数的分析方法对多服务器门限服务的平均排队队长、平均循环周期和平均时延进行求解;同时,利用Matlab进行仿真实验,分别将单服务器系统与多服务器系统的理论值与仿真值进行系统分析,对比多服务器同步和异步两种方式。最后,构建BiLSTM神经网络来预测多服务器系统的性能。实验结果表明,该多服务器系统异步方式优于同步和单服务器系统,多服务器异步系统的性能更好,时延更低,效率更高。综合对比多服务器的3种基本服务系统,在保证公平性的情况下,门限服务系统更加稳定。并且使用BiLSTM神经网络预测算法能够准确预测系统的性能,提高计算效率,对轮询系统的性能评价具有指导意义。展开更多
文摘依据高职高专类计算机相关专业关于Linux网络服务器课程的培养目标,针对高职高专类学生基础较差和自律性较低的现实,以及该课目知识点多、内容枯燥、记忆量大、重实践的特点,提出一种教授和学习该课目的新方法.该方法遵循以上机实验为主、理论讲授为辅的讲学模式,通过分解和简化Red Hat Linux的上机实验题目和有针对性的测验,将教学任务和知识点进行最大化的分解,以减轻学生的学习负担和记忆负担,从而提高学生的学习效率.
文摘为了满足运行速度快、时延低、性能好、公平性好等特点,提出了多服务器门限服务系统,并利用BiLSTM(Bi-direc-tional Long Short-Term Memory)神经网络对其进行预测分析,使用多服务器接入方式来降低网络时延,改善系统性能。多个服务器调度时,可以采用同步和异步两种方式。首先,研究多服务器门限服务的系统模型。其次,在单服务器的基础上,利用嵌入马尔可夫链和概率母函数的分析方法对多服务器门限服务的平均排队队长、平均循环周期和平均时延进行求解;同时,利用Matlab进行仿真实验,分别将单服务器系统与多服务器系统的理论值与仿真值进行系统分析,对比多服务器同步和异步两种方式。最后,构建BiLSTM神经网络来预测多服务器系统的性能。实验结果表明,该多服务器系统异步方式优于同步和单服务器系统,多服务器异步系统的性能更好,时延更低,效率更高。综合对比多服务器的3种基本服务系统,在保证公平性的情况下,门限服务系统更加稳定。并且使用BiLSTM神经网络预测算法能够准确预测系统的性能,提高计算效率,对轮询系统的性能评价具有指导意义。