OFDM中基于语音特性及分组长度的多业务调度

调度的目标是尽可能降低语音分组时延,同时最大化数据业务的总吞吐量。采用串行调度的方法:先进行语音调度,再进行数据调度。通过一个可调参数Vmax体现语音和数据业务在资源分配上的折衷。算法设计时考虑了可变分组长度给调度带来的影响与约束,提出了一种载波补偿方案以保证在每个调度帧内传输尽可能多的分组,并利用了语音业务特性。仿真结果表明:与Ahmed和Gkkw算法相比,该算法降低了语音分组时延。     

面向粗粒度网格应用的分组调度算法

针对粗粒度网格中的调度问题,提出了一种分组调度策略,将相似作业进行分组,再将分组提交到合适的运算资源.与细粒度网格相对比,作业以细分的形式执行并最终返还用户.该策略能有效减少开销,提高处理能力.GridSim Toolkit模拟器验证了所提出方法的有效性.     

LTE中队列状态感知的优化M-LWDF调度算法

长期演进系统中,分组调度是有效地使用下行链路资源和保证服务质量性能的关键技术之一.根据队列中数据业务分组到达的数量与队列中分组离开的数量,提出了一种基于队列中分组状态的优化最大权值时延优先(modified largest weighted delay first,M-LWDF)算法,所提出的方法综合考虑了分组时延距离最大时延的剩余量与其同一时刻不同用户的平均值的关系.结果表明,优化的调度方案在吞吐量和丢包率方面相对于最大权值时延优先调度算法均有10％以上的提升.     

协作学习中协作小组分组系统的设计与开发研究

根据协作学习中学习者的关键特征类型，以异质分组为原则，设计了适用于计算机网络环境下的自动分组模型，给出了分组算法关键技术，进而采用PHP＋Apache＋MySQL组合技术开发了协作学习小组分组系统．该系统支持协作小组分组的自动实现，具有自主分组、异质分组、随机分组和同伴关系分组等功能．该系统为协作学习提供了一个自动分组的支撑环境，是CSCL教学和研究的一种有效支持工具．     

HSDPA中快速调度的研究与实现

在移动通信系统中,传统的调度算法往往位于RNC侧,由此带来分组调度的时延大、效率低等缺陷,而在追求高速数据业务的HSDPA中,3GPP提出了快速调度的概念,将调度放在Node B侧以增强链路自适应功能,提高系统吞吐量,降低比特成本.以3GPP协议规范为基准,给出HSDPA系统中快速调度的研究内容和实现方法.     

HSDPA中快速调度的研究与实现

在移动通信系统中,传统的调度算法往往位于RNC侧,由此带来分组调度的时延大、效率低等缺陷,而在追求高速数据业务的HSDPA中,3GPP提出了快速调度的概念,将调度放在Node B侧以增强链路自适应功能,提高系统吞吐量,降低比特成本。以3GPP协议规范为基准,给出HSDPA系统中快速调度的研究内容和实现方法。     

基于端到端时延保证的紧急分组优先算法

提出了一种能够提供端到端时延保证的多跳问时延协作Crossbar调度算法(紧急分组优先算法)。该算法以分组头中记录的剩余时延为权重对分组进行调度，通过控制分组在各跳上的时延不但能够保证分组的端到端时延，还能够平衡不同跳数分组的端到端时延。算法还能够使路由器避免维护每个流的状态信息以及对单个流进行复杂的队列管理和调度，由此增加了路由器的可扩展性。计算机仿真表明该算法具有较高的资源利用率，较低的端到端时延和时延抖动以及较低的分组丢弃率等特点。     

分组调度算法在工作流技术中的应用

调度是一个与企业密切相关的内容,合理的调度能够有效的提高企业的效率,提高企业的竞争力。本文通过分析工作流管理系统高层视图,将工作流管理系统抽象,在工作流管理中提出了分组调度的概念。并在此基础上对原有的先来先服务调度算法进行适当的改进,使该算法实现了分组调度的功能。     

基于端到端时延保证的紧急分组优先算法

提出了一种能够提供端到端时延保证的多跳间时延协作Crossbar调度算法(紧急分组优先算法)。 该算法以分组头中记录的剩余时延为权重对分组进行调度,通过控制分组在各跳上的时延不但能够保证 分组的端到端时延,还能够平衡不同跳数分组的端到端时延。算法还能够使路由器避免维护每个流的状态 信息以及对单个流进行复杂的队列管理和调度,由此增加了路由器的可扩展性。计算机仿真表明该算法具 有较高的资源利用率,较低的端到端时延和时延抖动以及较低的分组丢弃率等特点。     

一种基于SAGE的高性能PIM的解决策略

针对主处理器和存储处理器之间运行速度存在差距，为了减少运行时间和充分利用PIM结构的优越性，按照这两种不同处理器的特点，提出了使用语句分析分组估算（SAGE）系统来实现PIM高速性的一种新策略．在该策略里，源程序被分割成块，同时为主处理器和存储处理器生成一个可用的运行调度机制，这个调度机制具有低的时间复杂度，并给出了新策略的同步机制．实验和结果充分论证了所提出策略的有效性．     

Neural network based scheduling for variable-length packets in Gigabit router with crossbar switch fabric and input queuing

A high-speed and effective packet scheduling method is crucial to the performance of Gigabit routers. The paper studies the variable-length packet scheduling problem in Gigabit router with crossbar switch fabric and input queuing, and a scheduling method based on neural network is proposed. For the proposed method, a scheduling system structure fit for the variable-length packet case is presented first, then some rules for scheduling are given, At last, an optimal scheduling method using Hopfield neural network is proposed based on the rules. Furthermore, the paper discusses that the proposed method can be realized by hardware circuit. The simulation result shows the effectiveness of the proposed method.     

神经网络辨识的液压挖掘机LPV模型

针对液压挖掘机动臂关节的非线性建模问题,提出一种基于神经网络的线性变参数(LPV)模型的辨识方法.在各个工作点处根据其关节速度的一阶惯性加延迟模型,获得其关节角度模型;结合调度变量特性,采用神经网络辨识出LPV模型的参数,设计出挖掘机动臂在全局工作范围的LPV模型.通过仿真实验,验证了该方法的有效性和模型的准确性.     

用神经网络进行变量选择

针对变量选择问题的困难,提出了一种基于神经网络的变量选择方法,并以实例表明了该方法的有效性     

改进型补偿模糊神经网络故障诊断系统

在模糊逻辑与神经网络融合的基础上,引入补偿运算单元,构成补偿模糊神经网络,使网络从初始定义的模糊规则进行训练,再动态的优化模糊规则,提高网络的容错率和稳定性.针对网络训练的不同阶段对学习速率的不同要求,提出一种具有分段可变学习速率的补偿模糊神经系统,可以提高网络的整体性能,实现动态的、全局优化的运算.故障诊断仿真研究表明:模型具有更好的收敛特性,能够大大的缩短训练时间,减少训练步数,提高误差精度.     

基于PCA与神经网络的雷达故障组合诊断方法

针对目前单一诊断方法的缺陷,提出了一种基于主元分析方法(PCA)和神经网络的组合故障诊断方法.利用多PCA来监测雷达状态,在雷达状态异常时再通过分析变量贡献率来确定故障部位,最终采用神经网络进行故障诊断.仿真实验了该方法的有效性.     

基于多Agent与集成神经网络的制造网络信息调度模型的研究

制造网络的面向服务架构（SOA）应当满足敏捷制造的需求,在SOA中任何瓶颈,如网络资源的分配策略,会影响到制造网络的服务敏捷性。在分析制造网络多Agent结构的基础上,提出了一种制造信息的分类方法。利用制造应用模型,提取系统运行的状态空间,通过制造系统单元间的组合和不同部件网络输出的决策间的融合,集成神经网络输出各制造单元信息调度权重。实验结果表明,此方法符合制造网络设计的原则和依据,以制造应用为中心,最大限度满足制造应用的需求。     

基于模糊划分的神经网络集成

基于模糊聚类思想,提出了一种神经网络集成方法.由训练数据的模糊聚类结果,把训练数据划分成相交子集,基于各子集生成集成的个体神经网络.由于各子集所包含的数据和数据的类别各不相同,因而个体神经网络性能和结构存在差异.子集个数确定集成中个体神经网络个数.另外,基于隶属度函数计算公式,提出了个体神经网络输出结论结合方法.理论分析和实验结果表明,此方法对模式分类能取得较好的效果.     

基于决策树构造神经网络的方法及应用

基于知识的神经网络KBNN(Knowledge-Based Neural Network)在提高神经计算性能方面效果显著,其构造方法基于已得的规则.利用决策树对数值数据的分割能力和神经网络准确的逼近收敛能力,提出了一种利用C4.5决策树从数据中自动提取规则生成神经网络的构造方法.该方法易于构造、收敛速度快、精度较高,在高速公路路面破损智能识别系统中使用效果良好.     

DCT编码的一种神经网络方法

提出了一种求非完全DCT逆矩阵的神经网络方法,并将它用于编码图像的重建.文中对Hopfield神经网络的选代规则进行了修改,保证了网络在宽松的条件下仍能稳定地收敛.另外,针对Hopfield神经网络的局部极小问题,提出了一种扰动算法,使网络的迭代避开局部极小点,接近全局最小点.最后,给出了计算机模拟实验结果,并与传统的神经网络方法进行了比较.     

自组织模糊神经网络的结构辨识算法

针对自组织模糊神经网络,提出了一种新的结构辨识算法.通过建立输入和输出相似性准则,提出一个用于提取模糊规则的新型聚类算法.所提方法的显著优点是克服了传统神经网络的维度灾难问题.