智能机柜方案解决5G基站建设难题

众所周知,与4G相比,5G具有更高的速率、更低的时延和更大的连接能力,既能满足人与人的通信,还能满足人与物、物与物的通信,是构建未来万物互联社会的基础。在国内,以5G等为代表的“新基建”已成为数字经济发展的战略基石。作为一座以“科技”和“创新”著称的城市,深圳5G建设正走在全国前列。     

基于情境感知工具辅助碎片化学习行为的研究

碎片化学习难以集中记录,存在无法迅速定位到自己需要的学习内容等用户体验问题.传统方法不能采集真实情境下的用户数据,无法满足研究人员的研究需求.基于此,开发一种基于用户行为的捕捉工具——CAUX(Context-Aware User Experience,CAUX),设计了具有情境感知能力的数据采集模块,自动捕捉指定App内的用户行为数据.CAUX对用户干扰性低,可以辅助研究人员捕捉典型的碎片化学习行为.对利用CAUX采集到的数据进行处理,并结合人工方法进行分析,可以发现不同情境下的用户行为和用户体验问题.     

面向多数据流的车厢拥挤回归分析方法

公交车拥挤度分析对维护公共交通安全起着重要的作用.针对在传统的目标检测方法中使用单个摄像头导致无法获取完整的车厢图片信息,以及在高密度场景下乘客与乘客之间的遮挡或者乘客被车厢内的座椅等物体遮挡的问题,提出了一种借助两个前后车厢的摄像头面向多数据流的车厢拥挤回归分析方法.首先,定义一个线性方程;其次,获取相对可见信息:公交车最大核载人数、根据人眼标记出的总人数、以及通过YOLOv3和ResNet50分别检测出车厢内人头数和拥挤率;然后,将包含已知信息的样本数据矩阵和期望值向量代入所定义的方程中,拟合出隐含信息:系数向量和偏置项,构建出一个多元一次线性回归方程,在高密度环境中狭窄和遮挡严重等情况下能够获得更为精确的车厢内总人数;最后,通过人数估计线性回归算法,获得最终的车厢内总人数.实验结果表明,所提方法能够预测出公交车上的人数,实时获得公交车上的人群流量,并且通过平均绝对误差(MAE)和均方误差(MSE)对数据进行误差分析后,验证了该方法能够正确地反映公交车拥挤度.     

大型6061铝合金锥筒形件成形及组织与性能研究

借助Deform-3D成形模拟结合工程化实验,对复杂尺寸6061铝合金锥筒形件(内径、外径和高度分别为Φ500、Φ630和1752 mm)展开了撑拉成形工艺研究,对成形后的6061铝合金锥筒形件展开热处理强化研究,同时完成了金相组织分析、XRD衍射检测和室温拉伸实验。研究表明:6061铝合金锥筒形件的终成形凸模选用等距母线形锥形头,所受应力更加均匀,有效降低了构件成形应变不均匀指数(0.89)和设备所需载荷(24600 kN);热处理后,由于Fe融入到基体中,析出大量强化相Mg_2Si及MnAl_6,使得6061铝合金锥筒形件的力学性能大幅提升,其中,抗拉强度与屈服强度分别达到335.45和240 MPa,比热处理前有大幅度提高,断后伸长率为18%。     

5G技术在医院智能服务中的应用

纵观当今的发展格局,是科学技术高速发展的时代。随着5G时代的来临,网络技术在各个领域中扮演着越来越重要的角色。特别是在医疗方面,为医院的日常工作奠定了坚实的基础。今天就5G网络技术在医院只能服务中的应用展开谈论。     

5G时代下VR/AR在广电新媒体行业中的应用探究

近年来,随着国民经济的快速增长,人们的生活质量得到进一步提升,基于此,新媒体行业得到快速发展.对此,基于VR、AR技术特点,探析"5G+4K/8K+AR/VR"新技术在广电新媒体制播领域的实践应用.     

5G通信技术与广电光纤网络融合发展探析

现如今我国由于国家地位在不断提升,经济实力也在飞速的发展,从而促进了科技的发展,我国的通信公司正在慢慢的向5G互联网方向移动。如果想要快速让我国的5G技术走向世界,只有不断创新和发展互联网技术,只有发展才可以迎合人们生活和日常学习对网络的需要。本文主要对5G技术的特点和优点进行了分析研究,并探讨了5G通信技术与广电光纤网络融合发展方向。     

基于NR-Transformer的集群作业运行时间预测

高性能集群的作业调度通常使用作业调度系统来实现，准确填写作业运行时间能在很大程度上提升作业调度效率。现有的研究通常使用机器学习的预测方式，在预测精度和实用性上还存在一定的提升空间。为了进一步提高集群作业运行时间预测的准确率，考虑先对集群作业日志进行聚类，将作业类别信息添加到作业特征中，再使用基于注意力机制的NR-Transformer网络对作业日志数据建模和预测。在数据处理上，根据与预测目标的相关性、特征的完整性和数据的有效性，从历史日志数据集中筛选出7维特征，并按作业运行时间的长度将其划分为多个作业集，再对各作业集分别进行训练和预测。实验结果表明，相比于传统机器学习和BP神经网络，时序神经网络结构有更好的预测性能，其中NR-Transformer在各作业集上都有较好的性能。     

智能电网中D2D网络的通信资源管理优化方案

当前在智能电网的应用中,各种智能终端的使用,使得移动数据流量空前增长,电力互联方式在面临海量数据传输的需求时,由于资源受限,信道间会产生一定的干扰,从而影响通信质量。为了解决通信资源管理这一问题,与常见的移动边缘计算(MEC)方法不同,文中提出了一种网络资源分配方法,优化链路选择和子信道分配,以实现能量效率的最大化。仿真结果表明,与没有卸载和部分优化的方法相比,此方法在能效方面有了很大的提高。