大规模无线网络中(X,S)-Bottleneck区域性能分析

基于二层QBDs(quasi birth-death models),提出了一个(X,S)-bottleneck区域性能分析模型,(X,S)-bottleneck区域的特征通过第1层QBD模型描述,而经过(X,S)-bottleneck区域的每条流的特征由第2层QBD模型描述.基于该性能分析模型,对(X,S)-bottleneck区域的性能进行了一些概率分析,如(X,S)-bottleneck区域的平衡状态概率、经过该区域通信流的成功转发概率和吞吐量等,确定了上述概率及吞吐量的取值范围.仿真实验结果表明了该性能分析模型对于分析(X,S)-bottleneck区域性能的有效性.结论有助于无线网络通信性能的改进和管理.

Source-Bottleneck信源对ABR速率算法的影响

比较研究了一种特殊信源——Ｓｏｕｒｃｅ－ｂｏｔｔｌｅｎｅｃｋ 信源在ＡＴＭ 网络中对ＡＢＲ拥塞控制算法性能的影响．Ｓｏｕｒｃｅ－ｂｏｔｔｌｅｎｅｃｋ 信源由于某些原因无法做到根据交换网络提供的信息相应改变信元发送速率， 由于网络交换节点对此不了解必然导致对Ｓｏｕｒｃｅ－ｂｏｔｔｌｅｎｅｃｋ 信源分配的速率过大而浪费网络资源．当Ｓｏｕｒｃｅ－ｂｏｔｔｌｅｎｅｃｋ 信源不再发生信源拥塞情况时， 网络又会因为瞬间增加的速率而发生拥塞．本文对不同的ＡＢＲ拥塞控制算法进行了仿真，

Bottlenecked ABR信源对ABR速率算法的影响(英文)

比较研究了一种特殊信源，Ｂｏｔｔｌｅｎｅｃｋｅｄ ＡＢＲ信源在ＡＴＭ 网络中对ＡＢＲ拥塞控制算法性能的影响．Ｂｏｔｔｌｅｎｅｃｋｅｄ ＡＢＲ信源由于某些原因无法做到根据交换网络提供的信息相应改变信元发送速率．由于网络交换节点对此不了解，必然导致对Ｂｏｔｔｌｅｎｅｃｋｅｄ 信源分配的速率过大而浪费网络资源．当Ｂｏｔｔｌｅｎｅｃｋｅｄ 信源不再发生信源拥塞情况时，网络又会因为瞬间增加的速率而发生拥塞．本文对不同的ＡＢＲ拥塞控制算法进行了仿真。

深度信念网络的Bottleneck特征提取方法

为了提升连续语音识别系统的识别率,提出一种基于深度信念网络的Bottleneck特征提取方法。该方法使用对比散度算法,采用无监督的预训练堆叠限制玻尔兹曼机得到网络初始化参数,进而采用反向传播算法,以最大化帧级交叉熵作为训练准则,反向迭代对网络参数进行微调。采用上下文相关的三音素模型,以音素错误率大小作为评价系统性能的准则。实验结果表明,所提出的基于深度信念网络提取的Bottleneck特征相对于传统特征更具优越性。

基于区分性准则的Bottleneck特征及其在LVCSR中的应用

基于深层神经网络中间层的Bottleneck(BN)特征由于可以采用传统的混合高斯模型-隐马尔可夫建模(Gaussian mixture model-hidden Markov model,GMM-HMM),在大规模连续语音识别中获得了广泛的应用。为了提取区分性的BN特征,本文提出在使用传统的BN特征训练好GMM-HMM模型之后,利用最小音素错误率(Minimum phone error,MPE)准则来优化BN网络参数以及GMM-HMM模型参数。该算法相对于其他区分性训练算法而言,采用的是全部数据作为一个大的数据包,而不是小的包方式来训练深度神经网络,从而可以大大加快训练速度。实验结果表明,优化后的BN特征提取网络比传统方法能获得9%的相对词错误率下降。

基于ResNet和双注意力机制的赤足图像年龄预测

足迹是人在行走时足部与地面等客体接触时所留下的痕迹,也是犯罪现场嫌疑人最容易遗留的生物特征之一,它隐含着人体的身高、体重、性别和年龄等身份属性信息,利用足迹信息进行人的年龄预测,对指明侦察方向和缩小侦察范围有着极其重要的意义.传统侦查工作中,刑侦专家会依据积累的案件经验,依据现场遗留的足迹进行嫌疑人身份和属性的预测,但这个过程需要大量的领域知识,据此,提出了基于赤足图像的年龄自动预测方法,其由伪彩色变换模块、在线随机几何变换模块、特征提取模块、空间注意力模块和年龄预测模块组成.算法在由1 818幅赤足灰度图像组成的数据集上进行了测试,预测准确率指标Acc_5和Acc_10分别达到了55.5%和83.4%,优于现有的年龄预测方法.

融合信息瓶颈与图卷积的跨域推荐算法

基于迁移学习的跨域推荐可以有效地学习连接源域和目标域的映射函数,但其性能仍然受到表征质量不高和负迁移问题的影响,不能有效地为冷启动用户进行推荐,为此提出了一种融合信息瓶颈与图卷积网络的跨域推荐模型(IBGC)。利用图卷积神经网络聚合有关联的用户-用户和项目-项目信息;利用注意力机制学习用户和项目偏好,以提高节点特征表示质量;考虑到两个领域的信息交互,将重叠用户进行嵌入表示的同时限制特定信息的编码,利用信息瓶颈理论设计了三种正则化器,以捕获域内和跨域用户-项目的相关性,并将不同领域的重叠用户表征对齐以解决负迁移问题。在Amazon数据集中的四对公开数据集上进行实验,实验结果表明该模型在MRR、HR@K和NDCG@K三个推荐性能指标上的表现均优于基线模型,在四对数据集上与最优对比基线模型相比,MRR平均提升34.36%,HR@10平均提升34.94%,NDCG@10平均提升36.83%,证明了IBGC模型的有效性。

专利视角下中国“卡脖子”企业现状分析及突破建议

“卡脖子”企业是指被美方列入“实体清单”的企业,这些企业所涉及的技术具有重要战略地位,美方的制裁对这些企业的产业链安全、稳定性乃至国家安全构成风险。从专利视角出发,采用专利计量、社会网络分析和BERTopic主题挖掘等方法,从专利数量、专利权人、产业技术主题及演化等角度探究中国“卡脖子”企业现状。研究发现:中国“卡脖子”企业群体专利数量优势逐渐显现,专利申请量前十的企业均是以发明专利为主,专利价值较高,说明“卡脖子”企业具备较强的创新能力,但影响力有待提高;“卡脖子”企业专利合作网络规模逐渐增大,但网络结构不够紧密,具有无标度特征;“卡脖子”企业专利主要分布在数字通信、计算机技术、半导体、视听技术、电信等领域,表明美国对中国企业的管制正逐步从传统高技术扩展到人工智能、量子信息、机器人等新兴和前沿技术领域。根据分析结果,从补短板和筑长板两个角度,提出重视专利质量、精准突破“卡脖子”技术、扩大开放合作、发展战略性新兴产业等对策建议。

融合BotNet的遥感图像目标检测

为解决遥感图像目标小、多尺度、目标背景复杂等问题,提出一种Bottleneck Transformer目标检测网络,在YOLOv5s模型上用“CNN+Transformer”架构代替最后一个残差块中的C3卷积操作,利用空洞卷积,通过设置不同的膨胀率将多尺度下的信息融合,解决遥感图像背景复杂的问题;使用EIOU边界框损失函数。在NWPU VHR-10数据集上验证,mAP达到94.5%,比原始YOLOv5s提高了1.2%。港口、车辆等小目标相应有1.3%和4.5%的提升。验证了算法对小目标识别、复杂背景识别的有效性。

一种新的配电网联络线瓶颈分析与改造方法

提出了一种新的基于最大供电能力的配电网联络线瓶颈分析与改造方法。在日益庞大的互联配电网中,联络线瓶颈的存在限制了故障条件下的负荷转移。基于N-1准则下的配电网供电能力模型,从发挥最大供电能力的角度自动诊断发现现状网络中的瓶颈联络线。分别建立瓶颈通道组和瓶颈支路的改造模型,并通过灵敏度方法得到改造优先次序。该方法能够同时计及变电站容量和下级配电网络对供电能力的作用,计算结果在有限电网改造的情况下带来整个区域配电网供电能力更大的提升。通过IEEE算例对所提方法进行了验证。

互联网通信中的两个数学模型及求解

面对内外众多客户对Ｗｅｂ服务信息的频繁访问请求，容易形成访问瓶颈，须有效合理地组织、分配和规划内部网信息资源，以达到减轻服务器的负担；为避免对同一信息过多的重复的访问，引起通信费用不必要的浪费和信道负担的增加，因此必须设法降低访问费用，提高Ｉｎｔｒａｎｅｔ网使用效率．本文通过引入集合划分问题（ＳｅｔＰａｒｔｉｔｉｏｎｉｎｇＰｒｏｂｌｅｍ，ＳＰＰ）和背包问题（ＫＮＡＰＳＡＣＫ）数学模型及相应算法，定量地解决了“访问瓶颈”和“通信费用”两个关于互联网通信中的问题，并为解决类似问题开辟了一条新的途径．

一种非均匀包对序列带宽测量方法

在分析现行带宽测量算法的基础上 ,设计了一种新的包对带宽测量算法 ,并从理论上加以证明 .针对带宽测量中普遍出现的瓶颈拥塞现象 ,提出了一种非均匀包对序列带宽测量方法 ,首先设置基本的包对发送后退时间 ,再根据带宽估测结果的变化动态地调整后退时间 ,使得包对序列能有效地适应网络运行状态的变化 ,所得到的估测序列结果更接近实际的瓶颈带宽 .

无线传感器网络中瓶颈节点的研究

无线传感器网络中的“瓶颈节点”是指那些由于随机部署的原因而不得不成为连接两个或多个区域的孤立的节点.相对于其他节点,这类节点对网络的生存期有着更大的影响.如何找出这些“瓶颈节点”在图论中是一个找到最小割集的问题.基于实际部署的可行性,提出了一个新的“准瓶颈节点”的概念,它对网络具有与“瓶颈节点”类似的影响,但是可以很容易地通过分布式算法找出来.通过分析和仿真,证明了“准瓶颈节点”对网络行为(包括能量消耗速率、丢包率)的巨大影响.最后,提出了一种分布式算法来发现这些节点,并提出了两种有效的解决思路来减小它们的不利影响.

IP网络性能测量研究现状和进展

网络性能测量是网络测量领域的核心分支,是指遵照一定的方法和技术,利用软、硬件工具来测试、验证及表征网络性能指标的一系列活动总和,是量化网络性能指标、理解和认识网络行为最基本和最有效的手段,在网络建模、网络安全、网络管理和优化等诸多领域均有广泛应用,是计算机网络领域持续的研究热点之一.介绍了该领域的研究现状与进展,重点讨论了带宽、丢包和时延测量等方面的代表性算法,从算法的基本思想、关键技术、实现机理入手,剖析了突发性背景流的时间不确性和多跳网络路径下的空间不确定性对带宽测量的影响、丢包测量中应用流丢包与探测流丢包的区别与联系、时延测量中时钟偏差与时钟频差的相互作用关系等问题,并在此基础上对网络性能测量面临的挑战、发展趋势和进一步研究的方向进行了讨论.

基于加权路由思想的无线自组织网络生存时间优化算法研究

在无线自组织网络中,网络生存时间是衡量网络性能的重要指标之一。分析影响网络生存时间的众多因素后,提出了一种工作量加权路由模型以提高无线自组织网络的生存时间。在网络信息传输的过程中,综合每条链路的业务工作量对网络链路进行加权,建立距离加权传输数学模型。该模型通过降低工作较为繁忙节点的信息转发概率,从而到达均衡节点能耗的目的。最后,采用MATLAB进行数值仿真,结果显示本文提出的路由算法可以有效延迟网络生存时间,均衡网络节点的能耗。

WDM网络中基于均衡策略的波长分配算法

对WDM光网络中的波长分配问题进行了研究,采用波长均衡分配的思路解决瓶颈容量对网络性能的影响,并给出了一种启发式算法--最大剩余瓶颈容量算法(MaximumBottleneckCapacity,MaxBC)。该算法把负载引起的波长损失均衡地分布在网络中,使得链路的信道容量受到的影响更小。通过仿真比较了MaxBC与MaxSum、RCL算法在网络拥塞概率等网络性能上的优劣。

基于网络结构特征的作业车间瓶颈识别方法

针对作业车间管理层面的瓶颈识别,从制造系统复杂性与复杂网络相结合这一全新视角,提出基于网络特性的制造瓶颈识别方法。根据设备工装、工艺路线、物流路径和产品配置等多层次生产数据,建立了作业车间网络模型。对瓶颈内涵进行了扩充,提出基于网络瓶颈效率矩阵的瓶颈识别算法。综合考虑了网络结构、网络传播机制及节点自身特性的影响,利用节点的制造负载和节点间的网络瓶颈效率矩阵表征节点的瓶颈程度,克服了其他算法中瓶颈节点识别只依赖于邻接节点的不足。通过对某机电产品企业车间生产瓶颈的动态监控和预测,验证了该瓶颈识别方法的有效性和准确性,也表明制造系统的网络模型是实现制造系统快速评估的有效方法。

考虑乘客选择行为的地铁车站承载能力瓶颈识别方法

乘客选择行为引起地铁车站客流量分布动态变化,并导致拥堵的传播,是承载能力瓶颈产生的关键因素之一.通过分析乘客在站服务事件链,构建地铁车站系统中设施设备关联网络.在分析乘客选择行为作用下的关联网络特性的基础上,建立了节点约束下的车站客流分配模型,并引入动态惩罚函数求解该模型,结合求解结果,提出通过节点受影响程度指标来识别能力瓶颈.以上海地铁陆家浜路站为例分析,与StaPass软件的仿真结果进行对比,验证了该方法的可行性和准确性,有助于快速分析不同客流条件下车站客流分布,并确定能力瓶颈.

集中式负载调度中瓶颈缓解技术

在分析了现有的网络负载平衡方案的基础上,针对采用集中式负载调度的集群系统中普遍存在的网络瓶颈的问题,提出了基于虚拟路由技术的缓解方法。首先对LVS进行了网络瓶颈问题的分析,并针对存在的问题提出了采用虚拟路由技术,调度器与服务器配对技术与增加网卡相结合的缓解网络瓶颈问题的方法。在FreeBSD5.2下实现了一个负载调度系统,称之为FSS,其支持虚拟路由,和服务器与调度器的配对,其它功能与LVS在IP层调度时基本相同。经实验验证,该方法达到了缓解网络瓶颈的目的。

一种基于层次结构深度信念网络的音素识别方法

针对现有音素识别系统识别准确率不高、建模方法表征能力不强且易陷入局部最优解等问题,提出了一种基于层次结构深度信念网络(deep belief network,DBN)的音素识别新方法.该方法由基于层次结构DBN的瓶颈特征以及基于DBN的音素分类器两部分组成:其中的瓶颈特征能够充分利用DBN能够处理长时段语音、监督性的提取方法等特性;而基于DBN的音素分类器则具有更强的建模和表征能力.因此,将两者结合在一起能够在提取低维、监督性特征的同时,利用DBN更加有效地对音素后验概率进行识别.在TIMIT数据库上进行的实验结果表明,所提出的音素识别方法在识别正确率上相对于以往音素识别系统有较大提高.