检索结果-南通市图书馆

XRL-SHAP-Cache:an explainable reinforcement learning approach for intelligent edge service caching in content delivery networks

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

Science China(Information Sciences) 2024年第7期67卷 46-71页

作者： Xiaolong XU Fan WU Muhammad BILAL Xiaoyu XIA wanchun dou Lina YAO Weiyi ZHONG School of Software Nanjing University of Information Science and Technology School of Computing and Communications Lancaster University School of Computing Technologies Royal Melbourne Institute of Technology State Key Laboratory for Novel Software Technology Nanjing University School of Computer Science and Engineering University of New South Wales Data 61 Commonwealth Scientific and Industrial Research Organization School of Computer Science Qufu Normal University

Content delivery networks(CDNs) play a pivotal role in the modern internet infrastructure by enabling efficient content delivery across diverse geographical regions. As an essential component of CDNs, the edge caching scheme directly influences the user experience by determining the caching and eviction of content on edge servers. With the emergence of 5G technology, traditional caching schemes have faced challenges in adapting to increasingly complex and dynamic network environments. Consequently, deep reinforcement learning(DRL) offers a promising solution for intelligent zero-touch network governance. However, the blackbox nature of DRL models poses challenges in understanding and making trusting decisions. In this paper,we propose an explainable reinforcement learning(XRL)-based intelligent edge service caching approach,namely XRL-SHAP-Cache, which combines DRL with an explainable artificial intelligence(XAI) technique for cache management in CDNs. Instead of focusing solely on achieving performance gains, this study introduces a novel paradigm for providing interpretable caching strategies, thereby establishing a foundation for future transparent and trustworthy edge caching solutions. Specifically, a multi-level cache scheduling framework for CDNs was formulated theoretically, with the D3QN-based caching scheme serving as the targeted interpretable model. Subsequently, by integrating Deep-SHAP into our framework, the contribution of each state input feature to the agent's Q-value output was calculated, thereby providing valuable insights into the decision-making process. The proposed XRL-SHAP-Cache approach was evaluated through extensive experiments to demonstrate the behavior of the scheduling agent in the face of different environmental *** results demonstrate its strong explainability under various real-life scenarios while maintaining superior performance compared to traditional caching schemes in terms of cache hit ratio, quality of service(QoS),a

关键词： deep reinforcement learning (DRL) explainable artificial intelligence (XAI) multi-level cache content delivery network (CDN) D3QN algorithm Deep-SHAP

A Fuzzy Directed Graph-Based QoS Model for Service Composition

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

Wuhan University Journal of Natural Sciences 2007年第5期12卷 861-865页

作者： GUO Sanjun dou wanchun FAN Shaokun State Key Laboratory for Novel Software Technology/ Department of Computer Science and Technology Nanjing University Nanjing 210093 Jiangsu China

Web service composition lets developers create applications on top of service-oriented computing and its native description, discovery, and communication capabilities. This paper mainly focuses on the QoS when the concrete composition structure is unknown. A QoS model of service composition is presented based on the fuzzy directed graph theory. According to the model, a recursive algorithm is also described for calculating such kind of QoS. And, the feasibility of this QoS model and the recursive algorithm is verified by a case study. The proposed approach enables customers to get a possible value of the QoS before they achieve the service.

关键词： fuzzy directed graph service composition QoS model Web service

在线全文

学校读者我要写书评

暂无评论

面向认知协作的知识流分析与研究

计算机研究与发展 2006年第6期43卷 1109-1114页

作者：窦万春刘茜萍蔡士杰南京大学软件新技术国家重点实验室南京210093 南京大学计算机科学与技术系南京210093

为了有效地对认知科学中基于群学习方式的认知协作进行研究,首先探讨了基于本体描述的认知基础环境,对知识驱动的认知环境所涉及的一些基本概念进行了定义·进而,基于本体论思想,对支持认知协作的知识应用集成环境进行了探讨·在此基础... 详细信息

为了有效地对认知科学中基于群学习方式的认知协作进行研究,首先探讨了基于本体描述的认知基础环境,对知识驱动的认知环境所涉及的一些基本概念进行了定义·进而,基于本体论思想,对支持认知协作的知识应用集成环境进行了探讨·在此基础上,对知识流关系进行了形式化定义,并利用Markov决策过程理论分析研究了知识应用集成环境下协同认知的过程逻辑·最后,对全文进行了总结并提出了进一步的研究方向·

关键词：认知协作知识流本体学习

工业互联网业务过程行为中的协同聚合与智能化提升方法

在线全文

学校读者我要写书评

暂无评论

计算机集成制造系统 2024年第8期30卷 2688-2696页

作者：刘博文蒋旭桐窦万春南京大学软件新技术国家重点实验室江苏南京210023

在工业互联网业务过程中,用户与制造商、供应商、产品、设备通过工业互联网平台紧密相连。当用户购买的工业产品发生故障时,可以通过平台向制造商快速反馈故障并请求协助。然而,现有的工业互联网平台还未能很好地支持用户产品故障后发... 详细信息

在工业互联网业务过程中,用户与制造商、供应商、产品、设备通过工业互联网平台紧密相连。当用户购买的工业产品发生故障时,可以通过平台向制造商快速反馈故障并请求协助。然而,现有的工业互联网平台还未能很好地支持用户产品故障后发生的运维过程。为应对这一挑战,提出了一个工业互联网业务过程行为中的协同聚合方法,完善地提供了工业互联网平台对用户故障上报、企业故障入库、零件调配全部过程的支持。利用遗传算法,实现了一个工业互联网业务过程行为聚合的智能化提升方法,能够有效地为零件调配选择供应商。通过模拟实验,测试了方法的性能。

关键词：工业物联网智能聚合故障处理遗传算法

基于Skyline和局部选择的启发式服务组合方法

在线全文

学校读者我要写书评

暂无评论

东南大学学报（自然科学版） 2011年第3期41卷 449-452页

作者：谢海军齐连永窦万春南京大学计算机软件新技术国家重点实验室南京210093 南京大学计算机科学与技术系南京210093

为了改善现有基于QoS的Web服务组合方法的效率,在已有服务组合算法的基础上提出了一种新颖的基于Skyline点和局部选择的启发式服务组合方法SLOMIP(Skyline local optimi-zation mixed integer programming).该方法首先从候选服务集合中... 详细信息

为了改善现有基于QoS的Web服务组合方法的效率,在已有服务组合算法的基础上提出了一种新颖的基于Skyline点和局部选择的启发式服务组合方法SLOMIP(Skyline local optimi-zation mixed integer programming).该方法首先从候选服务集合中选出Skyline服务,可以证明如果存在最优服务组合方案,则其一定是由Skyline服务集中的服务组成的.然后,为了进一步缩小解空间,再从Skyline服务集中选取最优的K个服务进行最终服务组合方案的优化求解.与传统启发式服务组合方法的不同之处在于,该方法一旦获得解,必然是最优解而不是次优解.实验结果表明:在固定任务总数和固定候选服务个数的情况下,该方法的效率都远高于传统方法;K值越大,该方法的准确率越高.该方法可较大幅度地提高服务组合的效率,提升用户体验.

关键词：服务组合启发式局部选择 Skyline

基于资源和时间限制的多工作流网及可调度性验证

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2007年第7期24卷 5-8,11页

作者：宋巍窦万春南京大学计算机软件新技术国家重点实验室江苏南京210093

工作流建模阶段的验证工作对工作流的成功执行具有重要意义。首先分析了与工作流执行密切相关的资源和时间特性,考虑到工作流应用系统中总是有若干工作流并发执行,于是综合考虑结构、时间、资源限制三个层面,提出一个工作流应用系统一... 详细信息

工作流建模阶段的验证工作对工作流的成功执行具有重要意义。首先分析了与工作流执行密切相关的资源和时间特性,考虑到工作流应用系统中总是有若干工作流并发执行,于是综合考虑结构、时间、资源限制三个层面,提出一个工作流应用系统一般性限制框架。基于该框架提出了多工作流网原型,并进一步给出了多工作流网下资源冲突和可调度性的概念,最后给出了多工作流网可调度性验证算法及其冲突解决方案。

关键词：多工作流网可调度性验证资源限制时间限制

基于联邦学习的边缘智能协同计算与隐私保护方法

在线全文

学校读者我要写书评

暂无评论

计算机集成制造系统 2021年第9期27卷 2604-2610页

作者：刘庆祥许小龙张旭云窦万春南京信息工程大学计算机与软件学院江苏南京210044 中国科学院计算技术研究所北京100190 麦考瑞大学计算机系澳大利亚悉尼NSW2109 计算机软件新技术国家重点实验室江苏南京210023

联邦学习中,终端将更新后的模型参数值,而不是原始数据传递至服务器,从而成为保障边缘计算中数据隐私安全的关键技术。因此,提出了基于联邦学习的边缘计算方法(FLBEC),在保护用户隐私的同时,减少终端参与联邦学习的开销。首先设计了基... 详细信息

联邦学习中,终端将更新后的模型参数值,而不是原始数据传递至服务器,从而成为保障边缘计算中数据隐私安全的关键技术。因此,提出了基于联邦学习的边缘计算方法(FLBEC),在保护用户隐私的同时,减少终端参与联邦学习的开销。首先设计了基于联邦学习的边缘计算系统架构,提出了隐私保护机制。分析了终端参与联邦学习时间和能耗,提出了研究的目标,即保护边缘计算中用户隐私,同时在保证精度的前提下,减少联邦学习时间和能耗。然后,从参与者选择、本地更新和全局聚合3个方面提出了改进后的联邦学习算法。最后通过对比实验验证了在FLBEC算法中,绝大多数终端在达到目标精度的前提下可以大幅度地降低联邦学习时间和能耗,从而减少联邦学习开销,表明了FLBEC算法的优越性。

关键词：联邦学习边缘计算隐私保护终端学习精度

在线全文

学校读者我要写书评

暂无评论

建筑工程图识别与理解——模型与算法

计算机研究与发展 2005年第1期42卷 144-152页

作者：路通席晓鹏芮明蔡士杰窦万春南京大学计算机软件新技术国家重点实验室南京210093

建筑工程图采用二维示意式表达方式,识别和三维精确还原相对困难.提出了一种基于轴网、结构语义驱动的层次式自生长识别模型(SINEHIR模型),在融合结构语义的基础上从先导建筑构件开始,在削减后的识别空间中结合当前识别层次的特点,分别... 详细信息

建筑工程图采用二维示意式表达方式,识别和三维精确还原相对困难.提出了一种基于轴网、结构语义驱动的层次式自生长识别模型(SINEHIR模型),在融合结构语义的基础上从先导建筑构件开始,在削减后的识别空间中结合当前识别层次的特点,分别采用基于特征的建筑符号识别方法、基于符号的轴网识别方法、基于轮廓的结点构件识别方法、基于关联语义的段构件识别方法、基于几何的组合构件识别方法和基于继承的信息传递方法,在模型约束下完成后继识别,以较小的计算量有效排除绘图噪音、提高识别率.

关键词：建筑工程图识别理解 SINEHIR模型

在线全文

学校读者我要写书评

暂无评论

基于谱聚类和隐语义模型的智能协同推荐方法

计算机集成制造系统 2021年第9期27卷 2517-2524页

作者：高子建张晗睿窦万春徐江民孟顺梅南京理工大学计算机科学与工程学院江苏南京210094 南京大学计算机软件新技术国家重点实验室江苏南京210023

随着云计算及移动互联网技术的迅速发展,网络中可选服务信息呈爆炸性增长,信息过载问题日益严重。针对推荐系统中存在的数据稀疏性问题及冷启动问题,提出一种基于谱聚类和隐语义模型的智能协同推荐方法。该方法基于提取的用户标签特征信... 详细信息

随着云计算及移动互联网技术的迅速发展,网络中可选服务信息呈爆炸性增长,信息过载问题日益严重。针对推荐系统中存在的数据稀疏性问题及冷启动问题,提出一种基于谱聚类和隐语义模型的智能协同推荐方法。该方法基于提取的用户标签特征信息,利用谱聚类算法对相似用户进行聚类,将原始高维评分矩阵转化为多个较低维的子评分矩阵。然后在子评分矩阵中利用隐语义模型对缺失评分进行局部预测。最后在获得缺失评分后利用改进的基于邻域的协同推荐算法对目标用户进行全局评分预测。所提算法有效解决了数据稀疏性问题和冷启动问题,在提高预测准确度的同时加快了推荐算法效率。

关键词：协同推荐谱聚类隐语义模型矩阵分解