变分自编码器模型综述

变分自编码器（VAE）作为深度隐空间生成模型的一种，近年来其表现性能取得了极大的成功，尤其是在图像生成方面。变分自编码器模型作为无监督式特征学习的重要工具之一，可以通过学习隐编码空间与数据生成空间的特征映射，进而在输出端重构生成输入数据。梳理了传统变分自编码器模型及其衍生变体模型的发展与研究现状，并就此做了总结和对比，最后分析了变分自编码器模型存在的问题与挑战，并就可能的发展趋势做了展望。     

医院计算机网络维护与网络安全问题研究

在当前的信息化时代,计算机网络广泛应用于各行各业。医学行业,通过使用计算机网络,各部门之间的协调工作更加便捷、高效,不仅降低了医护人员的工作强度,而且提高了工作效率。但是,计算机网络实际应用中经常出现网络安全问题,需引起人们的关注。基于此,简要分析了医院计算机网络维护与安全问题,以期能够推动医院进一步发展。     

基于分簇的小基站用户资源分配方案

为降低密集网络系统层内干扰并提高系统容量,提出一种基于分簇的用户资源分配方案。在分簇阶段,根据小基站到簇头的最大距离方差与簇头间最小距离对初始分簇结果进行消除、合并及分裂操作,实现网络拓扑变化情况下的自适应分簇。在资源分配阶段,通过用户剩余资源有效利用及资源块微调,保障用户业务速率。仿真结果表明,与现有用户资源分配方案相比,该方案提高了系统容量及用户公平性。     

基于业务优先级划分的虚拟网可靠性映射算法

现有研究在重映射失效虚拟网过程中未对不同类型的虚拟网承载业务进行有效区分,导致资源收益较低。为此,提出一种基于业务优先级划分的虚拟网可靠性映射算法。定义虚拟节点和虚拟链路的重要性指标,运用混合整数线性规划方法将基于业务优先级划分的虚拟网可靠性映射问题建模为最优化问题。在此基础上,提出快速可扩展的启发式虚拟网可靠性映射算法,以提高失效虚拟网的重映射效率。实验结果表明,该算法在虚拟网请求接受率、服务提供商收益和利润成本比3个指标上,表现优于FD-EVN、APG-TABU和MW-AC算法。     

基于图着色的密集D2D网络资源分配算法

蜂窝设备到设备(D2D)网络通过D2D用户与蜂窝用户的上行链路复用,可大幅提高网络的频谱效率,但当D2D用户数大于蜂窝用户数时,即在D2D密集部署场景下,传统的资源复用算法不能满足D2D用户的频谱资源需求。针对该问题,提出基于图着色理论的D2D网络干扰协调频谱资源分配算法,可实现信道资源在多个D2D用户对间的多重复用,从而提升网络负载能力,改善网络吞吐量。在此基础上,给出一种改进的资源分配算法,以提高D2D用户的公平性。仿真结果表明,该算法在降低D2D用户获取信道资源"饥饿"概率的同时,能够提升网络信道资源的空间复用率及系统吞吐量。