流的大小与传输速率相结合的双门限检测算法

提出基于流传输速率与数据量的双门限检测算法。为满足高速网络传输的性能要求,使用Hash表存储流检测的数据结构,将Hash表的冲突处理与基于流速率的缓存替换相结合以实现高效的大流检测,通过限制Hash桶的容量,确保报文的处理性能。真实网络数据的仿真测试结果表明:所提算法在相近的存储开销下,保持了较高的处理性能,准确性优于基于最近最少使用算法的大流检测及其派生算法以及基于统计计数的紧凑型空间节省算法。     

信息中心网络缓存节点位置选择算法

信息中心网络（Information-Centric Networking, ICN）“泛在缓存”的特性,引发数据副本率过高、缓存空间不能充分利用等问题。为了解决上述问题,分别从用户、服务提供商和网络运营商的角度出发,以最小化网络流量与网络费用开销为优化目标建立两个单目标优化模型,并将二者结合为帕累托模型;基于帕累托求解方法中数学规划法的思想,详细描述缓存节点位置选择算法。仿真结果表明：在流量性价比方面,所提缓存节点选择算法优于ICN的默认缓存机制;在网络费用开销方面,所提算法更适用于只有少数内容较为流行的网络中,而在所有内容都流行的情况下,ICN中默认的“遍地缓存”机制更为适宜。     

OFDM系统中深度神经网络指导的IQ不平衡补偿算法

正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)是现代移动通信中一项重要的物理层通信技术,并且OFDM系统要求子载波间严格正交。然而,在实际系统中,振荡器和滤波器等器件的非理想特性会导致同相正交(In-phase and Quadrature-phase,IQ)不平衡,从而破坏子载波的正交性,严重影响OFDM系统的性能。通过研究IQ不平衡对OFDM系统的影响,提出了一种并联深度神经网络架构下的IQ不平衡补偿算法。该算法利用了深度神经网络不依赖于模型的特点,直接从接收到的频域信号恢复原输入信号的二进制序列,并利用干扰信号来自镜像子载波的先验知识来初始化模型驱动的神经网络,加快其网络优化的收敛速度。仿真结果表明,该算法能有效地补偿IQ不平衡失真,并且在幅度和相位失真的补偿上,其性能都优于传统的基于导频的最小二乘补偿算法,证明了深度学习方法解决物理层问题的优越性。     

利用堆栈特征的片上末级缓存访问模式在线识别方法

很多优化处理器缓存利用效率的方法依赖于对访问请求序列的特征的探测或识别,例如,预取和绕开等。如何在线有效识别访问请求序列的特征依然是一个开放的问题。通过对典型访问模式的深入分析,发现其堆栈距离频度的分布展示出鲜明的特征。而模拟实验数据表明访问请求序列的特征具有一定的持续性和稳定性,具有检测和预测的可行性。因而提出了一种基于堆栈直方图峰值的在线识别访问模式的机制和方法,空间和时间开销都较小。对SPEC CPU2000/2006的15个程序的实验表明,所提方法均可正确识别测试程序的访问模式。     

导引头驱动的三维场景模拟技术研究

为检验导引头的捕获、跟踪性能研制了一个三维场景模拟系统,它克服了野外实验的种种弊端.重点载入外部的导引头航迹和姿态数据,通过建立相应的数学模型实时模拟导引头运动引起的场景变化.同时,利用双缓存技术以及精确定时器的选用等实现系统实时性,并通过帧速率法得到了检验.与其他模拟系统相比,本系统具有2个特色:场景的模拟是由导引头数据驱动的;此模拟是实时的.实验结果证明本系统可以很好的满足实际的需要.     

基于DDPG的四旋翼无人机姿态控制

针对未知环境下四旋翼无人机姿态控制实现难、鲁棒性差等问题,提出了基于深度确定性策略(DDPG)算法的智能姿态控制方法。首先,基于欧拉-庞卡莱方程,利用计算机符号推导,建立四旋翼的动力学模型;其次,基于DDPG算法设计四旋翼的姿态控制器,并在奖励函数设计中引入姿态误差、姿态角速度误差和控制量惩罚项;最后,通过设置不同初始状态值、改变四旋翼结构参数和引入噪声等仿真试验,分析验证控制器的性能。仿真结果表明,该控制器能够引导四旋翼快速响应到期望姿态并保持稳定,同时展现出较好的泛化能力。     

兵团畜牧业发展的必由之路

兵团畜牧业是一个投具潜力的优势产业,它的优势在于可开发品种多、加工深度广、产业链长,是提高农业生产水平、解决农业效益低下、吸纳剩余劳动力的最有效的途径。尽快在兵团建立起现代化畜牧业发展模式．从单纯追求数量向数量与质量、效益和生态并重的方向转变．走优质、高效、安全、生态的可持续发展道路．是今后兵团畜牧业发展的必由之路。     

联合多层次深度特征的SAR图像目标识别方法

提出了联合多层次深度特征的合成孔径雷达(SAR)目标识别方法。采用卷积神经网络(CNN)学习SAR图像的多层次深度特征。多层次的深度特征从不同方面描述原始SAR图像中的目标特性,从而为目标识别提供更充分的决策依据。为了充分发掘不同层次深度特征的独立特性以及它们之间的内在关联,采用联合稀疏表示对多层次的深度特征进行联合分类。根据各层次特征的整体重构误差判定目标类别。采用MSTAR (Moving and Stationary Target Acquisition and Recognition)公共数据集对提出方法进行了性能测试。实验结果表明,该方法的识别性能显著优于现有的SAR目标识别方法。     

指向深度学习的中学英语课堂教学模式探究

我国传统的中学英语课堂教学由于受应试目的的影响,往往停留在引导学生对基本语言知识进行识记掌握的浅层方面,忽视引导学生对所学知识进行深层次地学习与思考。相对于浅层学习来说的深度学习,强调引导学生在学习过程中进行深层次思考,帮助其培养高阶思维能力,具有注重批判理解、信息整合、知识建构等基本特征,对我国中学英语课堂教学改革具有一定的指导意义。依据深度学习的基本特征,从教学目标、教学内容、教学方法、教学工具和教学评价五个维度阐释中学英语课堂教学模式构建的可能性,为促进中学英语学习者进行深度学习提供参考。