无线传感器反应网络综述

介绍了无线传感器反应网络体系结构和特点,并从设计和开发传感器反应网络协议方面,讨论传感节点-反应节点和反应节点-反应节点协调中存在的问题,探讨反应节点给对通信协议带来的问题与挑战。     

一种基于路边单元协作的任务卸载策略

在车辆边缘计算框架中,当车辆处于行驶状态时,需要和不同的路边单元(Rode Side Unit,RSU)进行连接,此时必然存在RSU的切换.文章着力于减少车辆在RSU切换过程中任务所需的完成时间.针对这个问题,提出相邻RSU协同工作的通信结构,并基于车辆和RSU之间的距离设计了一种求解车辆在RSU通信覆盖范围内剩余行驶...     

基于用户兴趣的动态近邻协同过滤算法

为了帮助人们从大量互联网资源中找到感兴趣的信息,推荐系统由此而生.其中,应用最广泛,也是最早出现的推荐算法包括协同过滤算法,但是该算法还存在着许多不足之处.该算法主要考虑用户的评分数据,未能结合项目进行考虑,同时在选取当前用户的最近邻用户时,通常统一规定了近邻用户数目,没有结合每个用户的实际数据,导致推荐的效果无法取得最优.因此,本文在充分考虑用户评分的情况下,还结合项目信息加入了用户的兴趣偏好,提出了一种基于用户兴趣的动态近邻协同过滤算法.综合用户的标签数据和评分数据来计算相似度,可以很好的缓解仅依靠评分数据带来的稀疏性问题.同时在得到用户之间的相似度之后,设定2个阀值,分布选取最近邻用户.只有当用户间相似度超过阈值,该用户才会被选择为最近邻的用户,动态的找到每一个用户的严格最近邻用户.通过实验,与常用的协同过滤算法相比,本文提出的算法推荐的误差更小,并且为以后的研究工作奠定了基础.     

基于深度学习的VANET网络DSDV 路由协议改进

针对VANET网络DSDV路由协议依赖于更新消息的周期性传播导致其网络开销增长过大的问题,提出了一种基于深度学习的VANET网络DSDV路由协议GD-DSDV.GD-DSDV路由协议的主要思想是对车辆节点及节点间的链路质量进行评价,并利用机器学习中的梯度下降法对评价指标进行训练,最终得到优化的数据传输路由,从而达到减小网络开销的目的.文中描述了GD-DSDV路由协议的实现过程并从分组平均递交率、路由开销和平均时延等方面进行分析比较.分析结果表明GD-DSDV协议具有比DSDV协议更加优良的性质,可以有效减小路由开销,对现有VANET网络的动态变化具有更强的适应能力.     

面向短时交通流预测的动态时空图卷积网络

针对现有的交通流量预测模型缺乏对交通数据动态时空相关性建模能力的问题,提出一种新的基于深度学习的动态时空图卷积网络(DSTGCN)模型,该模型无需给出道路网络信息,从交通数据中即可建模时空相关性.动态时空图卷积层包含2个主要部分:（1）动态邻接矩阵生成模块:使用时间自相关机制与空间注意力机制捕捉交通数据中的动态时空相关性;（2）时空图卷积:使用图卷积和标准二维卷积对信息进行高效聚合.DSTGCN通过堆叠动态时空图卷积层,能够捕捉不同时间级别的时空依赖关系.文章提出的方法在美国加利福尼亚州高速公路流量公开数据集上进行了实验,结果表明:所提出的DSTGCN模型在各项评价指标中均优于现有的基准方法.在PeMSD04数据集上,与当前较新的GeoMAN和ASTGCN模型相比,MAE分别降低了4.00和2.16,验证了所提模型在交通流预测中的有效性.     

基于混沌神经网络的蓄电池寿命预测

利用蓄电池对光伏系统进行供电,不可避免地会出现电压不稳等问题.而目前对蓄电池的管理主要依靠充放电实验和外观观察等技术手段,在蓄电池数量较多时,无法有效兼顾.如何科学有效地预测蓄电池寿命成为需要研究的重大课题.文章基于霍普菲尔德人工神经网络(CHNN)得到一种新的混沌神经网络模型,将它运用到光伏蓄电池的预测系统中,通过混...     

基于公交车辅助的城市车载自组织网络数据分发策略

针对城市车载自组织网络传统路由协议网络开销增长过快的问题,提出了一种基于深度学习的改进数据分发策略.该策略以DSDV路由协议为研究基础,引入具有固定行驶路线的公交车为辅助节点进行数据快速分发策略分析,同时通过梯度下降法对基于分簇的公交车辅助数据分发评价指标进行训练,以获取局部最优的数据分发路径选择策略,从而达到提升数据...