信号序列预测和缓冲区算法下光纤通信网络时延自动控制

常规的光纤通信网络时延自动控制方法对通信干扰的抑制效果不佳,因此提出信号序列预测和缓冲区算法下光纤通信网络时延自动控制方法。建立预测目标函数,采用负载自适应调度方法对通信信号序列进行预测;基于缓冲区算法对光纤网络通信的密度进行计算;按照编码形式对通信密度进行分配;根据分配参数对通信干扰进行抑制;设置采样时间间隔对通信数据包进行分配,实现光纤通信网络时延控制。实验结果表明,本文设计的方法能够将光纤通信时延控制在0.89 ns之内,控制效果较好。

基于冗余路由信息和预缓存策略的移动IPv6快速切换方法

研究了FMIPv6(MIPv6 fast handovers)协议中移动节点在预测出错情况下的IP连接恢复问题,提出了一种基于冗余路由信息和预缓存策略的快速切换方法RIRS(router information redundancy scheme)。该方法通过构造冗余切换路由表来协助移动节点快速重构新的转交地址,并采用预缓存策略来保护切换过程中到达的数据分组。仿真结果表明,RIRS能够获得比FMIPv6更小的切换延迟及丢包率。

网络距离预测技术研究

P2P网络中节点间的距离信息是实现拓扑感知以优化覆盖网应用以及解决网络监管等问题的基础.P2P网络的大规模、自组织、高度动态等复杂特征使得要准确、完全地测量节点间的距离信息面临着极大的困难.因此,研究者们提出各种预测技术,目前对网络距离预测技术的研究已成为P2P领域的研究热点.首先,提出了一个网络距离预测技术的研究框架,指出了研究的重点以及相关技术问题,分析了研究历史;其次,对各种预测方法加以分类,在分类的基础上,介绍了各种典型的预测方法并进行了对比分析;最后总结了各种精确性度量标准,并指出了未来的研究趋势.

一种改进的神经网络分支预测技术

通过研究神经网络的算法特征,提出一种改进方法,即设置一个门限值η,减小该算法的运算量以减小其访问延迟,提高该算法的实用性.研究表明该方法能够实现较快的访问速度.

DEC UNIX操作系统的实时特性及评测

实时操作系统是复杂实时系统的一个重要组成部分，它必须是可预测的。本文首先简要阐述了 Ｄ Ｅ Ｃ Ｕ Ｎ Ｉ Ｘ ４．０ 操作系统的实时特性；然后开发了一种简单有效的实时操作系统性能评测方法，并给出了我们在 Ｄ Ｅ Ｃ Ａｌｐｈａ 系列机上对 Ｄ Ｅ Ｃ Ｕ Ｎ Ｉ Ｘ ４．０ Ｂ进行评测的过程和结果。

一种基于值预测和指令复用的按序处理器预执行机制

为提高按序处理器的性能和能效性,本文提出一种基于值预测和指令复用的预执行机制(PVPIR).与传统预执行方法相比,PVPIR在预执行过程中能够预测失效Load指令的读数据并使用预测值执行与该Load指令数据相关的后续指令,从而对其中的长延时缓存失效提前发起存储访问以提高处理器性能.在退出预执行后,PVPIR通过复用有效的预执行结果来避免重复执行已正确完成的指令,以降低预执行的能耗开销.PVPIR实现了一种结合跨距(Stride)预测和AVD(Address-Value Delta)预测的值预测器,只记录发生过长延时缓存失效的Load指令信息,从而以较小的硬件开销取得较好的值预测效果.实验结果表明,与Runahead-AVD和iEA方法相比,PVPIR将性能分别提升7.5%和9.2%,能耗分别降低11.3%和4.9%,从而使能效性分别提高17.5%和12.9%.

实时并行系统的性能及其测试方法

实时并行系统是并行/分布系统的重要组成部分,它要求系统计算时间具有可预测性,即符合应用要求的硬性响应时间约束。根据该特点,分析影响实时并行系统性能的各种因素,设计并实现一种简单的实时并行系统评测方案,并在实验室对C3I实时集群系统进行评测,从而验证该方案的有效性。

高校学生群体隐性危机趋势的预测研究——基于马尔科夫理论的分析与应用

运用“大学生群体满意度、压力承受度及其它舆情问卷”对某高校学生群体危机当前状态进行测查，并运用马尔科夫链原理建立“高校学生群体隐性危机转移趋势”的预测模型，以此模型来定量预测高校学生群体危机转移极限概率，从而为高校群体危机管理提供科学依据。实例分析结果表明该预测模型具有一定的参考价值。

基于加速度预测的异构网络切换算法

本文为高速移动终端提供一种基于加速度预测的异构网络垂直切换算法,使用场景如高速公路的直线路段.利用加速度预测算法得到下一采样时刻的速度,将预测速度与采样时间相乘得到终端运动距离,然后将所得到的运动距离与当前终端的位置进行矢量叠加得到下一时刻的位置.最后利用距离与信号强度之间的关系分别对下一采样时刻的WIMAX网络和LTE网络的信号强度进行预测.根据预测到的信号强度,结合经典的基于驻留时间和迟滞电平算法,提出了一种有效解决乒乓效应和切换延时的异构网络切换算法.通过实验可得,相比较于传统基于驻留时间算法,本算法在保证信号强度可靠的前提下,能减少约10%切换的次数,并降低切换延时.

基于速度预测的异构网络切换算法

为高速移动的用户提供一种基于速度预测的异构网络垂直切换算法,使用场景如公路的直线路段.根据直线道路场景的特点,结合驻留时间算法设计了一种基于速度预测的垂直切换算法.该算法通过创建速度矩阵以及与速度矩阵相对应的权重矩阵,经过数学运算,求得下一时刻的速度和终端的位置,然后结合传统算法得到切换判决.由仿真得到,在相同的环境及可靠的信号强度下,与经典的算法相比较,新算法虽然增加了切换次数,但有效减少了切换延时.

带有溶氧预测的水产养殖监测平台的研究

针对传统水产养殖水质监测系统不能提前预警和通信延迟高的问题,提出一种带有溶氧预测的低延迟无线传感水质监测平台。本研究搭建了4个水质监测节点,通过LoRa模块与汇聚模块进行通信,实现了水质数据的实时监测。应用边缘计算的策略,将云服务器的计算和系统控制任务卸载到上位机来降低系统延迟。上位机更新本地和云服务器的数据,同时基于小波变换和长短期记忆网络(WT-LSTM)模型实现溶氧预测功能。结果显示:与其他预测模型相比,WT-LSTM模型效果更好;pH、温度、溶氧、电导率和氨氮监测数据的相对误差,分别小于1.4%、0.7%、0.2%、12%、5%;基于评测系数分析,溶氧1 h的预测结果比较准确,可作为溶氧预警的参考。本平台可以在低成本、低延迟的情况下,实现水质数据的实时监控,并完成1 h内溶氧的预测,使得系统对增氧机的控制更加合理化、智能化。

基于门控循环神经网络的网络时延预测模型

在信息中心网络ICN与5G融合的新型网络架构下,现场增强名字解析系统通过确定性时延名字解析服务来应对工业物联网IIoT等新应用对确定时延的挑战,其节点结构划分和维护需要测量节点间的时延。精确的网络时延预测可以减少测量代价,比简单移动平均方案更好地应对网络时延的变化。本文设计并实现了一种基于门控循环神经网络的网络时延预测模型,并基于亚马逊公司异地机房之间的真实时延数据进行了验证。实验结果表明,所提模型的预测精度比传统模型平均提高了20%以上,能够在业务场景中得到应用。

AccGecko:面向分布式存储系统的尾延迟SLO保证框架

对于分布式存储系统来说,保证多租户尾延迟服务质量目标(SLO)同时获得较高的资源利用率十分重要。现有租户负载建模方法忽略了突发流量的密集程度,采用间接方法来预测尾延迟,导致系统的资源利用率较低。为了解决上述问题,本文基于密度聚类算法(DBScan),从强度、概率及密集程度3个维度对租户负载突发流量进行建模,直接预测连续突发流量期间请求延迟超限的概率。结合固定速率分配方法,本文设计了尾延迟SLO保证框架AccGecko。相比于已有的工作,AccGecko可以使系统平均多承载66%的租户。

一种面向分布式数据库的多并发OLAP型查询性能预测方法

数据库查询性能预测即预测查询的执行延迟时间,数据库查询延迟预测技术能够用于查询调度和查询进度显示等;当前的查询性能预测技术都具有一定的局限性,不能准确预测分布式数据库中多并发查询导致CPU、I/O资源争用情形下的查询延迟;针对这一问题,文章提出了一种在分布式数据库中预测并发OLAP型查询延迟的技术,该技术通过建立查询干扰度和查询敏感度模型来衡量资源(I/O,网络)竞争的激烈程度,并据此来预测不同执行环境下的查询性能;TPC-DS的实验结果表明,分析型查询预测的误差率在25%以下,说明该技术能够较准确地预测查询执行时间。

汉语和韩语词汇的潜性与显性——以兄弟姐妹类称谓语、指示代词、数词为主

共时态的现代汉语和现代韩语中,兄弟姐妹类称谓语、指示代词、数词等在显性话语与潜性话语的表现有相同和不同之处,由此预测汉语潜性语言的显性化将如何进行的时候,在其可能方向及规律等方面会得帮助和启发。

论气象类滑坡灾害的预报原理和方法

从地质-气象耦合的角度进行分析,指出气象类滑坡灾害的产生机制主要是降水、温度以及大风等气象因素引起潜在滑坡灾害系统产生不可逆的自组织过程———形成“滑坡灾害系统”。这些气象因素参与地质过程,并成为这一自组织过程中十分活跃的关键因素;地质-气象耦合的自组织过程存在两个显著不同的阶段:自组织慢过程和自组织快过程,滑坡灾害主要产生于自组织快过程中。分析表明,不同的潜在滑坡灾害系统具有不同的自组织临界态,即使对于同一具体的潜在滑坡灾害系统,其自组织临界态所对应的气象要素临界值也不是一个固定不变的值,而是一个值域。总结了滑坡灾害气象预报的原理,论证了气象因素是滑坡灾害短期预报的关键问题,建立了具有鲜明物理意义的通用预报关系和模式;以潞水矿区为例,结合历史资料分析确定通用预报关系中的临界值,得到具体的滑坡灾害气象预报方法。

基于图卷积网络的卷积神经网络耗时预测算法

通过可学习的预测算法获取卷积神经网络(CNN)在硬件上的推理耗时越来越受到研究者的关注。现有耗时预测算法主要面临2个问题:卷积神经网络设计空间采样复杂度高,数据采集成本高;无法准确预测硬件编译器的算子融合技术对推理耗时的影响。为了解决上述问题,提出了一种基于图卷积网络(GCN)的耗时预测算法,将整体网络耗时看作多节点耗时补偿的累加,并利用图卷积对结构算子融合产生的耗时影响进行建模。同时,提出一种新型差分训练方案,减少采样空间规模,提高算法的泛化能力。在HISI3559硬件平台上对MB-C连续空间采样模型的耗时预测实验表明:所提算法可将耗时估计的平均相对误差从传统算法的302%降低到5.3%。另外,通过将传统耗时预测算法替换成所提算法进行耗时评估,可以使网络结构搜索算法搜索到耗时更加接近目标的高精度网络。

信息网络数据低延迟查询安全性回归预测模型

针对目前使用的定量评估技术、Markov评估技术容易受到未授权第三方入侵影响,导致评估结果不精准的问题,提出了信息网络数据低延迟查询安全性回归预测模型方法。采用了低延迟复杂动态网络稳定性设计方案,保证网络的稳定性,避免了未授权第三方入侵干扰。在稳定网络环境下,对回归预测模型进行结构设计,将其划分为结果显示、核心预测、数据库三大模块。利用支持向量机训练样本集,监控网络态势值,构造安全态势样本。基于训练结果建立回归预测模型,并据此设计预测流程。建立了局部非线性模型,剔除过多的邻近点,使预测误差达到最小。在此基础上,发布网络安全预警信息。由实验结果可知,该模型最高预测精度为0.93,且安全态势值与实际值一致,为信息网络数据安全查询提供技术支持。

预见性护理模式在小儿急性喉炎中的应用

目的探讨小儿急性喉炎中预见性护理模式的临床应用。方法抽取80例小儿急性喉炎患儿,抽取时间为2017年1月-2018年1月,按照入院顺序分为2组,每组40例。观察组实施预见性护理模式,对照组实施常规护理,对比护理效果。结果观察组治疗总有效率高于对照组(92.50%VS 75.00%,P<0.05);观察组干预后睡眠抵触(1.53±0.52)分、睡眠潜伏期(1.35±0.12)分、睡眠持续状况(1.08±0.32)分、睡眠焦虑(0.94±0.12)分、夜醒次数(0.94±0.12)分等,均低于对照组(P<0.05);观察组体征消失时间(6.25±1.25)d及临床症状缓解时间(4.45±1.05)d均短于对照组(P<0.05)。结论小儿急性喉炎中预见性护理模式的临床应用效果显著,可加快患儿康复,提升睡眠质量,提高治疗效果。

一种基于MN移动轨迹预测的MAP选择算法

移动IPv6是未来IP网络进行移动管理的关键技术,而移动锚点(MAP)选取算法对层次移动IPv6的性能有着重要影响。通过研究移动节点MN的移动特征在时间和空间上的相关性及连贯性,以此为基础提出了通过MN移动产生的轨迹来进行判定的一类MAP的选择算法。该算法综合考虑了MN的移动特征、移动速度及网络拓扑结构等因素,通过对MN移动轨迹进行预测来选取适当的MAP。实验使用NS2作为仿真平台,主要从负载分担、切换时延及丢包率三个方面对最大距离矢量(F-MAP)和基于轨迹预测(PT-MAP)两种MAP选择方案进行了性能分析比较。仿真结果表明,该算法能够有效地改善网络资源的使用情况,提升不同层次的MAP的利用效率并降低其负荷,从而降低切换的延迟情况以及丢包情况,改善MNIPv6的综合能力。该算法可更好地满足实际应用的需求。