Optimal resource allocation for transmission diversity in multi-radio access networks： a coevolutionary genetic algorithm approach

The next generation wireless communication systems aim at supporting enhanced diversified network access and data transmission abilities via the cooperative integration and unified management of various radio access technologies(RATs).The resource allocation is the core component leading the network system and mobile terminals to the service robustness and performance maximization.In this paper,a numeric optimization model for optimizing terminals’transmission power and allocated RAT bandwidth for maximizing system capacity is proposed with the focal consideration of the multi-radio transmission diversity for parallel transmission through multiple links from diferent RATs,and diferent terminal characteristics on RAT supports.Also,we design a centralized and periodic scheduling algorithm including an improved coevolutionary genetic algorithm for efciently solving the optimization problem.Simulation results demonstrate that our propose algorithm can distinctly enhance the system performance and improve the computational efciency.     

An improved model training method for residual convolutional neural networks in deep learning

Multimedia Tools and Applications - Residual convolutional neural network (R-CNN) has become a promising method for image recognition in deep learning applications. The application accuracy, as a...     

基于深度残差长短记忆网络交通流量预测算法

针对多步交通流量预测任务中时间空间特征提取效果不佳和预测未来时间交通流量精度低的问题,提出一种基于长短时记忆（LSTM）网络、卷积残差网络和注意力机制的融合模型。首先,利用一种基于编解码器的架构,通过在编解码器中加入LSTM网络来挖掘不同尺度的时间域特征;其次,构建基于注意力机制挤压激励（SE）模块的卷积残差网络嵌入到LSTM网络结构中,从而挖掘交通流量数据中的空间域特征;最后,将编码器中获得的隐状态下的信息输入到解码器中,实现高精度多步交通流量的预测。基于真实交通数据进行实验测试和分析,实验结果表明,相较于原始的基于图卷积的模型,所提模型在北京和纽约两个交通流量公开数据集上的均方根误差（RMSE）分别获得了1.622和0.08的下降。所提模型能够高效且精确地对交通流量作出预测。     

基于原型网络的细粒度实体分类方法

细粒度实体分类任务作为命名实体识别任务的扩展,其目的是根据指称及其上下文,发掘实体更细粒度的类别含义。由于细粒度实体语料的标注代价较大,标注错误率较高,因此该文研究了在少量样本情况下的细粒度实体分类方法。该文首先提出了一种特征提取模型,能够分别从单词层面以及字符层面提取实体信息,随后结合原型网络将多标签分类任务转化为单标签分类任务,通过缩小空间中同类样本与原型的距离实现分类。该文使用少样本学习以及零样本学习两种设置在公开数据集FIGER(GOLD)上进行了实验,在少样本学习的设置下,较基线模型在三个指标中均有提升,其中macro-F₁的提升最大,为2.4%。     

基于图表示学习的消息回复关系判断方法

微信、QQ和钉钉等社交媒体都提供多对多聊天群组功能,这些聊天群组包含海量信息,对群组聊天内容进行有效分析,获取有价值的关联信息,是当前领域的研究热点。群组中用户间交互是群组实现的主要功能,用户间消息回复是用户间交互实现的方式,消息间的回复行为下隐藏着消息间和用户间的关系。群组消息间回复通常是隐式和非连续的,大部分群组消息间没有指定明确的回复关系,当前消息也不一定是上一条临近消息的回复,回复关系要根据具体的聊天场景确定。当消息间没有显示指定回复关系时,回复不易于分析和理解群组聊天内容,阻碍了对群组聊天内容的整体性分析。本论文针对群组消息间的回复关系,提出了基于图表示学习的消息回复关系判断方法,该方法不同于以往方法仅使用部分群组要素,是在综合学习消息的文本信息、发送消息的用户信息和上下文信息的基础上,根据群组内容构建群组图和生成自适应消息图,得到了多种群组要素信息和要素间关系组成的图结构,利用图模型在图结构上进行群组消息的表示学习,图模型输出群组消息的表示向量,拼接消息对的表示向量并进一步预测群组消息间的回复关系。在消息间回复关系的学习过程中,图模型通过任务学习更新图中消息节点,同时更新图中用户节点向量表示,经过用户向量分析实验验证了该模型输出的用户向量的有效性和合理性。在公开数据集和标注数据集上进行了对比实验和显著性检验分析,结果显示模型在多个评估指标上大幅优于对比模型,如在F1指标上,比单纯依赖BERT的句子对分类模型提高了接近20%。     

Virtual network embedding based on real-time topological attributes

As a great challenge of network virtualization, virtual network embedding/mapping is increasingly important. It aims to successfully and efficiently assign the nodes and links of a virtual network (VN)...     

基于多链协同区块链的分布式能源交易

传统的电力市场交易方式主要是由电力调度交易机构根据市场需求及供需计划,通过集中的方式将发电厂的发电量调度给用电方。随着我国分布式能源的高速发展,并网需求急剧增加,集中调度处理速度成为发展瓶颈。采用分布式能源交易可有效解决此类问题。而区块链具有节点对等、去中心化,数据公开透明等特点与分布式能源交易的诉求相吻合。文章针对分布式能源交易集中调度处理可靠性低,速度慢的问题提出了基于多链协同区块链的分布式能源交易方法。该方法根据地区分片划分从链并行处理交易的方法,解决了采用区块链系统交易速度缓慢的问题。将有用工作量证明机制与电力匹配调度算法有机结合起来,提出了分布式能源交易矩阵策略,在维持了去中心化的同时解决了工作量证明机制算力浪费问题。     

Model checking response times in Networked Automation Systems using jitter bounds

Response time (RT) of Networked Automation Systems (NAS) is affected by timing imperfections induced due to the network, computing and hardware components. Guaranteeing RT in the presence of such timing imperfections is essential for building dependable NAS, and to avoid costly upgrades after deployment in industries.This investigation proposes a methodology and work-flow that combines modelling, simulation, verification, experiments, and software tools to verify the RT of the NAS during the design, rather than after deployment. The RT evaluation work-flow has three phases: model building, modelling and verification. During the model building phase component reaction times are specified and their timing performance is measured by combining experiments with simulation. During the modelling phase, component based mathematical models that capture the network architecture and inter-connection are proposed. Composition of the component models gives the NAS model required for studying the RT performance on system level. Finally, in the verification step, the NAS formal models are abstracted as UPPAAL timed automata with their timing interfaces. To model timing interfaces, the action patterns, and their timing wrapper are proposed. The formal model of high level of abstraction is used to verify the total response time of the NAS where the reactions to be verified are specified using a subset of timed computation tree logic (TCTL) in UPPAAL model checker. The proposed approach is illustrated on an industrial steam boiler deployment.     

基于速度修正项的机械臂避障路径规划

针对机械臂运行过程中存在的碰撞问题, 提出一种基于速度修正项的机械臂避障路径规划方法. 利用B 样条曲线进行机械臂关节空间规划, 使机械臂能够在特定时刻运行到指定构型. 在运行过程中, 利用碰撞检测算法实时计算机械臂与障碍物的最小距离, 在碰撞即将发生时引入积分为零的避障速度修正项改变机械臂运行轨迹, 使得机械臂能够在实现障碍回避的同时, 保证其在特定时刻通过指定构型的要求. 仿真实验表明了所提出方法的正确性和有效性.     

基于领域划分的微博用户影响力分析

近年来微博作为一种新兴的社交网络逐渐被广大用户使用.微博信息简短、更新迅速、包含信息量大,给微博用户获取信息带来了诸多不便,因此,利用影响力分析的手段找到具有较大影响力的微博用户具有重大意义.微博内容较传统的媒体信息具有较强的时效性和权威性,同时微博用语也极其不规范,这给微博用户影响力的分析带来了极大的困难.首先对获取的微博用户信息进行领域的划分,采用基于微博内容和用户关注的方式将用户归类到其所属的领域.其中,采用新词发现以及特征扩展的方法来提高划分结果的准确性.然后,对各个领域的用户进行影响力分析,提出3种影响力传播模型,用户最终的影响力大小根据3种模型的结果进行加权计算.最后对实验结果进行分析、比较,证明了计算用户影响力的方法能取得较优的结果.