检索结果-南通市图书馆

用户请求感知的边端缓存与用户推荐联合优化策略

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第7期46卷 2850-2859页

作者：王汝言蒋昊唐桐吴大鹏钟艾玲重庆邮电大学通信与信息工程学院重庆400065 先进网络与智能互联技术重庆市高校重点实验室重庆400065 泛在感知与互联重庆市重点实验室重庆400065

针对当前边缘缓存场景中普遍存在的用户偏好未知与高度异质问题,该文提出一种用户请求感知的边端缓存与用户推荐联合优化策略。首先,建立点击率(CTR)预测基本模型,引入对比学习方法生成高质量的特征表示,辅助因子分解机(FM)预测用户偏好... 详细信息

针对当前边缘缓存场景中普遍存在的用户偏好未知与高度异质问题,该文提出一种用户请求感知的边端缓存与用户推荐联合优化策略。首先,建立点击率(CTR)预测基本模型,引入对比学习方法生成高质量的特征表示,辅助因子分解机(FM)预测用户偏好;然后,基于用户偏好设计一种动态推荐机制,重塑不同用户的内容请求概率,从而影响缓存决策;最后,以用户平均内容获取时延最小化为目标建立边端缓存与用户推荐联合优化问题,将其解耦为边端缓存子问题和用户推荐子问题,分别基于区域贪婪算法和一对一交换匹配算法求解,并通过迭代更新获得收敛优化结果。仿真结果表明,相较于基准模型,引入对比学习方法的预测模型在曲线下面积(AUC)和准确率(ACC)上分别提升1.65%和1.30%,且联合优化算法能够有效降低用户平均内容获取时延,提升系统缓存性能。

关键词：边缘缓存对比学习推荐机制平均时延

在线全文

学校读者我要写书评

暂无评论

面向密集场景的空天地网络资源分配算法

电子与信息学报 2024年第5期46卷 1968-1976页

作者：张鸿廖彧歆王汝言吴大鹏杜慧敏重庆邮电大学通信与信息工程学院重庆400065 先进网络与智能互联技术重庆市高校重点实验室重庆400065 泛在感知与互联重庆市重点实验室重庆400065

空天地网络具有覆盖范围大、吞吐量高、弹性强等优点。该文针对大量用户并发接入、网络负载不均衡所引发的网络拥塞、服务质量恶化等问题,提出一种面向密集场景的资源分配算法。首先以用户需求为中心,根据不同类型用户任务的偏好来构建... 详细信息

空天地网络具有覆盖范围大、吞吐量高、弹性强等优点。该文针对大量用户并发接入、网络负载不均衡所引发的网络拥塞、服务质量恶化等问题,提出一种面向密集场景的资源分配算法。首先以用户需求为中心,根据不同类型用户任务的偏好来构建用户效用函数,然后基于匹配博弈的网络选择算法和结合对偶上升法的功率控制算法来实现负载均衡,优化资源分配方案。实验表明,相较于传统策略,所提策略整体用户接入率至少提高35%,时延和吞吐量方面性能提升超过50%;在密集场景下,能更有效地均衡负载,提升网络性能。

关键词：空天地一体化网络资源分配博弈论密集场景

基于Transformer的文物图像修复方法

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2024年第3期61卷 748-761页

作者：王真言蒋胜丞宋奇鸿刘波毕秀丽肖斌图像认知重庆市重点实验室(重庆邮电大学) 重庆400065

文物极易因为保存不当而导致部分结构或纹理缺失,而现有的图像修复技术由于受到先验信息和卷积操作的局限而无法直接应用于文物图像修复,为更合理地恢复文物图像原貌,提出了一种新的文物图像修复方法,将文物图像修复工作分为2个步骤:第... 详细信息

文物极易因为保存不当而导致部分结构或纹理缺失,而现有的图像修复技术由于受到先验信息和卷积操作的局限而无法直接应用于文物图像修复,为更合理地恢复文物图像原貌,提出了一种新的文物图像修复方法,将文物图像修复工作分为2个步骤:第1步使用Transformer进行粗略的图像重建并恢复连贯的结构;第2步使用卷积神经网络将粗略的重建图像进行上采样并恢复缺失区域的精细纹理.考虑到目前国内外没有高质量的大型文物数据库,因此也提出了一个新的高质量大型文物图像数据库.最终实验结果表明,在符合现实场景的破损修复实验和大面积破损修复实验中,修复效果在主观和客观评估中均优于当前图像修复算法.同时,支持多元化输出,为修复人员提供多样化参考,极大地提升了文物修复效率.

关键词：文物数据库文物图像补全 Transformer 卷积神经网络超分辨虚拟修复

在线全文

学校读者我要写书评

暂无评论

融合显隐式反馈的协同过滤推荐模型

控制与决策 2024年第3期39卷 1048-1056页

作者：欧朝荣胡军重庆邮电大学计算智能重庆市重点实验室重庆400065

融合显式和隐式反馈已被应用于提升推荐模型的性能,但是,现有的此类推荐模型未能保留显式反馈中反映用户偏好程度的信息,且现有研究认为拥有显式反馈的数据和仅拥有隐式反馈的数据对于模型具有同等影响,未能充分发挥显式反馈的优势.针... 详细信息

融合显式和隐式反馈已被应用于提升推荐模型的性能,但是,现有的此类推荐模型未能保留显式反馈中反映用户偏好程度的信息,且现有研究认为拥有显式反馈的数据和仅拥有隐式反馈的数据对于模型具有同等影响,未能充分发挥显式反馈的优势.针对这些问题,提出一种新的融合显式和隐式反馈的协同过滤推荐模型(CEICF).首先,所提出模型提取显式反馈中的特征得到用户/物品的全局偏好向量;然后,从隐式反馈中提取用户/物品的潜在向量,进而将两种向量进行融合得到用户/物品的偏好向量;最后,使用神经网络预测用户与物品交互的可能性.在训练模型时,定义一种加权的二进制交叉熵损失函数,加强显式反馈对模型的影响来增强模型捕获用户偏好的能力.为了验证所提出模型的有效性,在覆盖不同领域的现实数据集上进行实验,实验结果表明,CEICF可有效地融合显式和隐式反馈,且推荐效果相对于基线模型有显著提升.

关键词：信息过载个性化推荐协同过滤显式反馈隐式反馈神经网络

面向B5G毫米波40~50 GHz通信的漫散射传播与去极化建模

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第6期46卷 2425-2433页

作者：廖希陈心睿王洋任明浩陈前斌重庆邮电大学通信与信息工程学院重庆400065 复杂环境通信重庆市重点实验室重庆400030

漫散射传播与极化特性对于准确刻画、掌握毫米波(mmWave)信道传播机理,建立高精度毫米波通信信道模型至关重要。针对毫米波频段建筑材料粗糙面引起的漫散射传播和去极化特性表征不足,缺乏去极化理论模型的问题,该文提出一种基于有效粗... 详细信息

漫散射传播与极化特性对于准确刻画、掌握毫米波(mmWave)信道传播机理,建立高精度毫米波通信信道模型至关重要。针对毫米波频段建筑材料粗糙面引起的漫散射传播和去极化特性表征不足,缺乏去极化理论模型的问题,该文提出一种基于有效粗糙度理论的漫散射去极化建模方法。从电磁波的极化维度分解粗糙面材料引起的漫散射辐射传播电场,引入去极化指数构建传播模型,利用40~50 GHz频段典型材料的实测数据,研究了功率角度谱、去极化指数和交叉极化鉴别比等漫散射传播及极化特性。结果表明,所提模型能够描述表面粗糙和光滑建筑材料的极化特性,去极化转化率分别高达39%和4%。

关键词：毫米波漫散射极化特性交叉极化鉴别比

一种基于时间序列分解和时空信息提取的云服务器异常检测模型

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第6期46卷 2638-2646页

作者：唐伦赵禹辰薛呈呈陈前斌重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

异常检测是维护云数据中心性能的一项重要任务。云数据中心中运行着大量的云服务器以实现各种云计算功能。由于云数据中心的性能取决于云服务的正常运行,因此检测和分析云服务器中的异常至关重要。为此,该文提出一种基于时间序列分解和... 详细信息

异常检测是维护云数据中心性能的一项重要任务。云数据中心中运行着大量的云服务器以实现各种云计算功能。由于云数据中心的性能取决于云服务的正常运行,因此检测和分析云服务器中的异常至关重要。为此,该文提出一种基于时间序列分解和时空信息提取的云服务器异常检测模型。首先,提出带时空信息提取模块的双向Wasserstein生成对抗网络算法(BiWGAN-GTN),该算法在具有梯度惩罚的双向Wasserstein生成对抗网络(BiWGAN-GP)算法的基础上,将生成器与编码器替换为由图卷积网络(GCN)与时间卷积网络(TCN)组成的时空信息提取模块(GTN),实现对数据空时信息的提取;其次,提出半监督BiWGAN-GTN算法来识别多维时间序列中的异常,以在训练过程中避免异常数据侵入的风险并增强模型鲁棒性。最后设计多通道BiWGAN-GTN算法-MCBiWGAN-GTN以实现降低数据复杂度并提升模型学习效率的目标。利用带有自适应噪声完全集合经验模态分解(CEEMDAN)算法将时序数据分解,然后将不同的分量送入对应通道下的BiWGAN-GTN算法中训练。在真实世界云数据中心数据集Clearwater和MBD上采用精确率、召回率和F1分数这3个性能指标验证了该文所提模型的有效性。实验结果表明,MCBiWGAN-GTN在这两个数据集上的性能稳定并优于所比较的方法。

关键词：云服务器异常检测时间序列分解生成对抗网络时空信息提取模块

基于数字孪生的多自动驾驶车辆分布式协同路径规划算法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第6期46卷 2525-2532页

作者：唐伦戴军成章超张鸿鹏陈前斌重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

针对多辆自动驾驶车辆(AVs)在进行路径规划过程中存在的车辆之间协作难、协作训练出来的模型质量低以及所求结果直接应用到物理车辆的效果较差的问题,该文提出一种基于数字孪生(DT)的多AVs分布式协同路径规划算法,基于可信度加权去中心... 详细信息

针对多辆自动驾驶车辆(AVs)在进行路径规划过程中存在的车辆之间协作难、协作训练出来的模型质量低以及所求结果直接应用到物理车辆的效果较差的问题,该文提出一种基于数字孪生(DT)的多AVs分布式协同路径规划算法,基于可信度加权去中心化的联邦强化学习方法(CWDFRL)来实现多AVs的路径规划。首先将单个AVs的路径规划问题建模成在驾驶行为约束下的最小化平均任务完成时间问题,并将其转化成马尔可夫决策过程(MDP),使用深度确定性策略梯度算法(DDPG)进行求解;然后使用联邦学习(FL)保证车辆之间的协同合作,针对集中式的FL中存在的全局模型更新质量低的问题,使用基于可信度的动态节点选择的去中心化FL训练方法改善了全局模型聚合质量低的问题;最后使用DT辅助去中心化联邦强化学习(DFRL)模型的训练,利用孪生体可以从DT环境中学习的优点,快速将训练好的模型直接部署到现实世界的AVs上。仿真结果表明,与现有的方法相比,所提训练框架可以得到一个较高的奖励,有效地提高了车辆对其本身速度的利用率,与此同时还降低了车辆群体的平均任务完成时间和碰撞概率。

关键词：数字孪生自动驾驶去中心化联邦强化学习路径规划

基于智能分层切片技术的数字孪生传感信息同步策略

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第7期46卷 2793-2802页

作者：唐伦李质萱文雯成章超陈前斌重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

针对传感数据在无线接入网(RAN)中传输的不可靠性与不及时性造成数字孪生(DTs)同步信息的不精确问题,该文提出一种基于智能分层切片技术的DTs传感信息同步策略。该策略在双时间尺度下,以最大化传感信息满意度和最小化切片重配置及DTs同... 详细信息

针对传感数据在无线接入网(RAN)中传输的不可靠性与不及时性造成数字孪生(DTs)同步信息的不精确问题,该文提出一种基于智能分层切片技术的DTs传感信息同步策略。该策略在双时间尺度下,以最大化传感信息满意度和最小化切片重配置及DTs同步成本为目标,联合优化切片无线资源配置以及DTs传感信息同步问题。首先,在大时间尺度,利用网络切片为有着不同服务质量(QoS)的DTs提供隔离以及解决部署问题;在小时间尺度,通过更加灵活的无线资源分配来提高DTs传感信息同步任务对动态环境的适应性,进一步提高通信性能,建立更逼近于物理实体的DTs。其次,为了求解不同时间尺度的优化问题,该文提出一种双层深度强化学习(DRL)框架实现高效的网络资源交互,其中下层控制算法利用优先经验放回(PER)机制加快收敛速度。最后,仿真结果验证了所提策略的有效性。

关键词：数字孪生网络切片深度强化学习状态估计资源分配

数字孪生辅助联邦学习中的边缘选择和资源分配联合优化

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第4期46卷 1343-1352页

作者：唐伦文明艳单贞贞陈前斌重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

在基于联邦学习的智能驾驶中,智能网联汽车(ICV)的资源限制和可能出现的设备故障会导致联邦学习训练精度下降、时延和能耗增加等问题。为此该文提出数字孪生辅助联邦学习中的边缘选择和资源分配优化方案。该方案首先提出数字孪生辅助联... 详细信息

在基于联邦学习的智能驾驶中,智能网联汽车(ICV)的资源限制和可能出现的设备故障会导致联邦学习训练精度下降、时延和能耗增加等问题。为此该文提出数字孪生辅助联邦学习中的边缘选择和资源分配优化方案。该方案首先提出数字孪生辅助联邦学习机制,使得ICV能够选择在本地或利用其数字孪生体参与联邦学习。其次,通过构建数字孪生辅助联邦学习的计算和通信模型,建立以最小化累积训练时延和能耗为目标的边缘选择和资源分配联合优化问题,并将其转化为部分可观测的马尔可夫决策过程。最后,提出基于多智能体参数化Q网络(MPDQN)的边缘选择和资源分配算法,用于学习近似最优的边缘选择和资源分配策略,以实现联邦学习累积时延和能耗最小化。仿真结果表明,所提算法在保证模型精度的同时,有效降低联邦学习累积训练时延和能耗。

关键词：智能驾驶联邦学习数字孪生深度强化学习