基于混合深度神经网络的就业推荐方法

针对就业推荐中交互数据极其稀疏的问题,提出一个基于多头自注意力机制和特征交叉网络的混合深度神经网络模型。对学生行为序列属性进行定义,将学生基本属性、学生行为序列属性、职业基本属性、职业描述属性的独立嵌入作为模型输入;使用多头自注意力机制挖掘学生行为序列属性与职业描述属性中的序列特征;分别使用特征交叉网络和深度神经网络实现特征交互和数据的深度拟合。基于真实数据集的实验结果表明,与目前已有方法相比,该模型在HR@50与MRR@50指标上达到了最优性能,验证了模型的有效性。     

带有卸载压缩激励的云增强FiWi网络节能机制

针对云增强型光纤-无线(FiWi)网络能耗以及卸载的通信开销过大问题,该文提出一种自适应卸载压缩节能机制(ESAOC),针对不同类型的业务属性和最大的容忍时延,结合光网络单元的负载变化和无线网状网的流量情况,通过统计的方式获得不同优先级卸载数据的平均到达率,再结合各个节点的压缩时延,动态调整业务的卸载压缩比,以降低卸载的通信开销;同时,建立排队模型分析卸载业务在MEC服务器的排队时延,协同调度无线侧中继节点,进而对光网络单元和终端设备进行协同休眠调度,最大化休眠时长,提高系统能源效率。结果表明,所提方法在有效降低整个网络能耗的同时能够保证卸载业务的时延性能。     

层次型软件定义无线传感器网络资源调度策略

为了解决传统无线传感器网络基于特定任务导致资源利用率及能量效率低下,且无法适应网络拓扑动态变化的问题,提出了针对多任务并发场景的层次型软件定义无线传感器网络资源调度策略。将软件定义网络引入无线传感网实现控制层和数据层解耦,通过灵活的网络资源调度策略同时完成多个任务,在保证监测质量的前提下,最小化网络总能耗;此外,软件定义的主节点可及时获取网络拓扑变化,并通过簇头节点实现簇内资源调度,提高优化效率,并降低能量消耗。结果表明,所提出的全局网络资源调度策略提高了能量效率和资源利用率,簇内资源调度在高效解决网络动态事件的同时降低了主节点的控制开销。     

面向服务的车辆网络切片协调智能体设计

针对现有研究中缺乏对车辆网络切片的部署和管理，该文设计了车辆网络切片架构中的切片协调智能体。首先基于K-means++聚类算法将车联网通信业务根据相似度进行聚类并映射到对应的切片中。其次，在考虑应用场景间的时空差异导致的无线资源利用不均衡现象，提出了共享比例公平方案以实现对无线资源的高效及差异化利用。最后，为了保证切片服务需求，采用线性规划障碍方法求解最优的切片权重分配，使切片负载变化容忍度最大化。仿真结果表明，共享比例公平方案相比于静态切片方案平均比特传输时延(BTD)更小，在每切片用户数为30的情况下均匀分布用户负载场景中二者的BTD增益为1.4038，且在不同的用户负载分布场景下都能求出最优的切片权重分配。     

软件定义时分波分复用无源光网络中基于带宽预测的资源分配策略

针对时分波分复用无源光网络(TWDM-PON)多个光线路终端(OLT)间资源缺乏协同集中调度问题,该文提出一种带有软件定义的基于带宽预测的资源分配策略(RABP)。在光线路终端间,设计粒子群优化的BP神经网络模型预测各光线路终端所需带宽,避免了控制器与光线路终端信息交互时延对资源分配实时性的影响;其次,在光线路终端内,动态设定滑动周期并基于光网络单元授权信息实时统计资源池共享带宽,同时,设计负载均衡的波长调度机制实现多波长的高效利用。仿真结果表明,该策略提高了信道资源利用率,降低了平均包时延。     

面向可靠端边协同的时延保障模型

由于无线链路状态的高度时变性,终端任务的卸载存在失败的可能性,导致任务时延恶化,甚至任务失败.针对上述问题,提出了面向可靠端边协同的时延保障模型.首先,基于嵌入式马尔可夫理论分析了任务卸载时延的统计特征;然后,基于网络演算理论推导出设备端任务计算时延的概率分布;最后,提出面向时延与可靠性感知的性能评估模型.分析结果表明,与面向平均时延或平均速率最优的决策方案相比,所提方案能够提升具有特定时延需求的任务可靠性.     

一种可选择最佳带宽的多路路由算法

实现服务质量保证,在多用户、多请求接入的网络中都是采取为相应请求预留资源的方式,而多请求预留资源使得网络局部出现资源"碎块".单路路由算法不能利用这些资源接入用户请求.为提高网络的资源利用率,采用多路路由方法,在单一通路不能满足连接请求要求时,寻找多条能联合满足要求的一组虚拟不相交并路,并预留资源共同满足用户的服务质量要求.为验证算法的有效性,在ns2模拟器上实现了所提出的算法,并与其他算法进行了性能比较.实验结果表明,提出的算法能很好地适应网络运行状况.在网络轻负载情况下,通信开销小.在网络重负载情况下,使用并行多路增加连接请求的接通率.将此算法应用于支持服务质量保证的多媒体数据网,能充分利用有限的网络资源,提高传输多媒体信息的能力.     

光纤无线融合网络(FiWi)能效改善综述

光纤无线宽带接入网架构(Fiber Wireless Broadband Access Network,FiWi)能随时随地为终端用户提供高质量的宽带接入服务.然而,由于大量智能设备的互联和指数级数据业务的增长,Fi-Wi接入网也面临着高能耗的潜在挑战.针对融合FiWi接入网中无线反复重传、业务共存转发以及跨域资源整合所引发的高能耗问题,从高效频带分配、协作计算卸载以及网络虚拟化等方面介绍了国内外研究现状并进行了展望,以期在满足服务质量约束时进一步降低FiWi接入网中的能耗.     

带有特征感知的D2D内容缓存策略

设备到设备通信(D2D)可以有效地卸载基站流量,在D2D网络中不仅需要共享大众化内容还需要个性化内容缓存。该文对缓存内容选择问题进行了深入研究,提出一种结合特征感知的内容社交价值预测(CSVP)方法。价值预测不仅可以降低时延也可以减少缓存替换次数降低缓存成本。首先结合用户特征和内容特征计算内容当前价值,然后通过用户社交关系计算未来价值。微基站根据内容的价值为用户提供个性化内容缓存服务,宏基站则在每个微基站的缓存内容中选择价值较大部分的内容。仿真结果表明,该文提出的缓存策略可以有效缓解基站流量,与其他方法相比降低时延约20%～40%。