超密集物联网中的多蜂窝网络选择算法

随着物联网终端爆炸式的增加,物联网致密化成为发展的必然。在海量终端数量和资源严重受限的情况下,如何确定物联网终端设备的接入基站以及如何有效地为接入的用户进行资源分配,成为超密集物联网系统所需解决的重要问题。文章在吞吐量和系统能耗之间进行折中,以系统能效为优化目标,设计了一种超密集物联网中的多蜂窝网络选择算法。该算法为用户和基站设置效用函数,基于匹配理论完成用户的选择过程。最后对该算法和对比算法进行仿真,结果表明,多蜂窝网络选择算法在能耗和能效性能上均优于对比算法。     

面向电力物联网调度任务的分布式知识图谱

能够充分利用各类型信息的知识图谱技术是实现电力物联网网络智能调度的关键一环。然而由于电力网络分层调度的特点，造成了知识图谱分布式的问题。梳理了知识图谱的概念及构建的一般方法，提出了一种基于联邦学习思想的分布式知识图谱架构，边缘调度中心对知识图谱进行本地更新，并上传至高层云平台。高层云平台对知识图谱进行补全及融合，调度中心之间可相互迁移知识图谱的学习表示方法。在知识图谱融合方面的初步结果表明，基于GCN的方法远优于基于TransE的方法。