AccFed:物联网中基于模型分割的联邦学习加速

随着物联网(IoT)的快速发展,人工智能(AI)与边缘计算(EC)的深度融合形成了边缘智能(Edge AI)。但由于IoT设备计算与通信资源有限,并且这些设备通常具有隐私保护的需求,那么在保护隐私的同时,如何加速Edge AI仍然是一个挑战。联邦学习(FL)作为一种新兴的分布式学习范式,在隐私保护和提升模型性能等方面,具有巨大的潜力,但是通信及本地训练效率低。为了解决上述难题,该文提出一种FL加速框架AccFed。首先,根据网络状态的不同,提出一种基于模型分割的端边云协同训练算法,加速FL本地训练;然后,设计一种多轮迭代再聚合的模型聚合算法,加速FL聚合;最后实验结果表明,AccFed在训练精度、收敛速度、训练时间等方面均优于对照组。     

“计算机网络”课程双语教学模式的探讨

目前,各个高校都在探讨和推行双语教学,掀起了关于"双语教学"的模式探讨、师资准备、实践及推广的高潮。本文首先对双语教学给以定位,并结合教学体会探讨"计算机网络"课程的双语教学模式。实践证明,使用英文版教材、英汉交替讲解、采用多媒体教学、及时复习巩固、在实验课中提高创新能力和英语应用能力、注重中英文科技写作能力的培养是行之有效的双语教学方法。     

基于WEB的网络虚拟实验室的设计与实现

为了满足大批学生同时在Cisco网络实验室上机进行实验的要求,我们开发了本套网络虚拟实验系统.该系统包括网络实验室简介、网络基本知识学习、Cisco交换机和路由器模拟、自我测试和综合案例五个单元.所有的程序放到服务器上,学生可以从工作站上登录到服务器,下载实验教程到本地工作站做实验.虚拟网络实验系统下可完成大部分网络实验.大大减少使用人员占用实际网络设备的时间.     

以太网物理拓扑发现方法研究

随着计算机网络应用的蓬勃发展,以太网变得越来越复杂,为了方便管理,拓扑自动发现变得越来越重要。物理拓扑主要是对链路层和物理层的设备的发现,设备间的连接关系。该文提出一种用于获取物理拓扑的方法。     

基于SNMP的MIB信息解析软件的设计与实现

随着计算机网络应用的迅猛发展,网络变得越来越庞大复杂,为了便于对其进行管理,需要对网络设备的MIB进行详细的解析,本文介绍了基于SNMP的MIB信息解析的软件的设计和大概开发流程.     

A-DDPG：多用户边缘计算系统的卸载研究

为了降低多边缘服务器多用户系统中用户的总成本,结合深度确定性策略梯度（deep deterministic policy gradient,DDPG）、长短期记忆网络（LSTM）和注意力机制,提出了一种基于DDPG的深度强化学习卸载算法（A-DDPG）。该算法采用二进制卸载策略,并且将任务的延迟敏感性和服务器负载的有限性以及任务迁移考虑在内,自适应地卸载任务,以最大限度减少由延迟敏感型任务超时造成的总损失。考虑时延和能耗两个指标并设定了不同的权重值,解决因用户类型不同带来的不公平问题,制定了任务卸载问题以最小化所有任务完成时延和能量消耗的总成本,以目标服务器的选择和数据卸载量为学习目标。实验结果表明,A-DDPG算法具有良好的稳定性和收敛性,与DDPG算法和双延迟深度确定性策略梯度（twin delayed deep deterministic policy gradient,TD3）算法相比,A-DDPG算法的用户总成本分别降低了27%和26.66%,平均达到最优任务失败率的时间分别提前了57.14%和40%,其在奖励、总成本和任务失败率方面取得了较好的效果。     

“计算机网络”课程教学方法体系的研究与实践

为了适应信息时代的要求,培养学生的网络应用能力和创新能力,需要对"计算机网络"课程的教学进行一系列的改革。本文从课前准备、不同内容的授课方法、网站建设、讲座式教学、参与式教学、考试后总结等几个方面介绍了我校的计算机网络课程教学方法体系。