精华内容
下载资源
问答
  •  容量需求增长将持续上升,企业无法走出去进而建立自己的网络:他们既没有时间,也没有充分预算。这包括进行网络采购,研发和实施基于每一家企业具体实际基础设施的时间成本。企业内部IT部门正在寻求...
  • 在数字通信,我们一般使用...比特率 在数字信道,比特率是数字信号的传输速率,它用单位时间内传输的二进制代码的有效位(bit)数来表示,其单位为每秒比特数bit/s(bps)、每秒千比特数(Kbps)或每秒兆比特数(Mbp
  • 针对现有机制没有考虑到数据的时间相关性的缺陷,提出一种全新的数据发送机制——差分机制,从源头上消除冗余数据,减少数据发送量。实验表明,采用提升算法和差分机制能够有效去除无线传感器网络的冗余数据,降低...
  • 在无线传感器网络(WSN)网络数据聚合是减少能耗的有效方法。 但是,大多数现有的数据聚合调度方法都尝试在每个时间实例上聚合来自所有节点的数据,由于链路的不可靠性以及时空数据相关性,这既不节能也不实用...
  • 在本文,我们提出了一种在雾环境共享数据的新颖架构。 我们探索雾计算在解决一对多数据共享应用程序的好处。 该体系结构试图超越基于云的体系结构,并确保进一步提高系统性能,尤其是从安全性角度而言。 我们...
  • 很少有学者研究金融时间序列数据的特征。 考虑到在金融领域,事件的发生经常影响在线舆论空间和真实交易空间,因此本文提出了一种基于股票交易时间序列数据和在线舆论文本的多源异构信息检测方法。数据以检测股市...
  •  一个有效的监控方案对数据中心网络维护是至关重要,这是因为从某种程度上来说,数据中心在大部分时间里往往处于无人管理状态。多年来,我有过在许多数据中心工作经验,根据我经验,基本上不会有人被派来...
  • 通过设计容错数据聚合协议,我们研究了不可靠无线传感器网络中有效数据聚合问题。 容错数据聚合协议包括两部分:基本聚合调度和修正策略。 默认情况下,数据是根据基本聚合调度策略进行聚合。 当中间...
  • 基于混合压缩感知(CS)理论,提出一种负载有效的路由协议.考虑分簇网络结构,簇内节点传输原始数据到簇头,簇头对数据进行压缩再通过最小生成树发送到sink.为防止簇头节点负载不均衡造成网络不能正常通信,提出负载度...
  •  在LTE和WiMAX测试系统,信号统计内容的有效捕获有利于避免由于部件无法控制高波峰因数信号所引起的失真。由于对更高数据速率和更快信号传输的需求日益增长,测量所面临的挑战包括更高带宽、更快上升和下降时间的...
  • 该软件对结构化参数信息分析处理,及以TCP,UDP等协议传输的机载采集的网络数据包进行解析处理,同时对不同时间采样的参数数据按照就近方法进行时间统一处理,提供有效的性能和状态数据的分析.经过软件测试后,该软件...
  • 本文提出了一种用于在MANET安全分发数据的有效机制。 我们的方法基于基于身份的加密和消息认证代码(MAC)。 所提出的安全机制通过在每个中间信任节点上对数据包进行签名和加密来防止恶意节点篡改或重放中间...
  • 一个基本网络应用程序,使用神经网络中的语言三元组来识别语言 这是一个基本Web应用程序,可以识别作为输入提供语言。 语言标识符使用神经网络进行训练,该神经网络使用Europarl数据集和Tatoeba数据集进行了...
  • [摘要]美国总统轮船公司(APL)为其南加州码头近日引入革新无线射频技术,以实时位置系统科技自动收集进出货场货柜数据。 美国总统轮船公司(APL)为其南加州码头...此措施将有效减省货柜装卸及流通时间,估计节
  • 针对传统监控方法检测故障的时间比较长的问题,设计了基于网络数据分析的物联网终端...最后,对系统和传统方法进行对比,对本文设计监控的有效性验证,表示能够使物联网终端故障的检测时间得到缩短,使用价值较高。
  • 为解决命名数据网络(Named Data Networking,NDN)中的拥塞控制问题,在加权公平排队(Weighted Fair Queuing,WFQ)算法基础上,提出了基于即时调整兴趣包发送速率名字加权公平排队(Name Weighted Fair ...
  • 网络工程师考试考察知识点繁多,形式多样。如何有效把握每种考察形式,拿到相应分数?...通过基本概念阐述->历年真题强化训练->独家解题技巧总结,三大步骤帮助考生掌握两地收发数据时间的计算方法,拿到相应分数。
  • 而针对网站定量分析,网络服务器日志文件能真实反映用户当前体验,解释行为深层特点,能够更有效地改进产品。网络日志可以帮我们回答很多问题,比如用户在什么时间段浏览网站;对网站什么板块比较感兴趣;...
  • 由于表示对相邻邻居影响强度信用取决于优化激活概率(OAP),因此通过在网络社交网络中影响扩散时延方面限制信贷分配范围来扩展信贷分配(CD)模型。此外,由反复尝试导致的时间障碍被转换为行动传播扩展...
  • 针对当前电算化会计财务异常数据检测系统效率低下、人力及时间资源消耗大、智能化程度低等问题,文中提出了一种基于数据...测试结果表明,所提算法对于异常数据的监测正确率可达90%以上,证明了该算法的有效性。
  • 在基于环模型多跳传感器网络中,通过优化所有环传输距离可以有效地延长网络寿命.针对非均匀数据产生率传感器网络,用建立环关系表方式以搜索近似最优传输距离从而延长网络寿命,在降低搜索(算法)复杂度同时...
  • 计算机间的信息交互涉及各机间的共享数据的读取、存贮和更新等方面的内容,需采取有效的系统规划、实时通讯和快速数据库访问等手段解决。本文全面论述了有关内容,给出了有效的解决方案。摘要:网络系统、 信息

     

    要摘要: 在基于局域网的大型分布式仿真和控制系统中,包括数据库服务器在内的各计算机之间的信息交互方案的设计是系统性能优异的关键,尤其是在计算机数量较多或待交互的单位时间信息量较大时更为重要。计算机间的信息交互涉及各机间的共享数据的读取、存贮和更新等方面的内容,需采取有效的系统规划、实时通讯和快速数据库访问等手段解决。本文全面论述了有关内容,给出了有效的解决方案。

    摘要:网络系统、 信息交互、优化设计

    1 前言

    随着计算机和网络技术的不断提高,使用基于局域网的,分布式的计算机系统对大型、综合或复杂的工业过程和运行环境进行系统仿真和运行模拟以及控制已越来越普遍。由于这样的仿真和控制系统一般规模庞大或过程复杂,单独一台计算机无法完成整个系统任务,需要多机参和,构成计算机网络,通过网上信息交互共同协调完成整个仿真和控制任务。各机之间信息交互的方式、频率和数量决定了整个网络系统的综合性能。由于在这样的系统中,机间的信息交互一般都非常频繁,各机都要面临数据更新、系统运行、结果存贮等过程的快速性新问题,因此有关的设计是非常重要和关键的。

    2 系统规划和设计

    无论是仿真还是控制系统,合理的系统和数据规划至关重要。通过系统和数据规划可以优化系统设计,解决各机任务均衡,资源充分利用等新问题,在兼顾可靠性、平安性和故障可诊断性的同时充分发挥系统的整体效率和性能,并容许具有一定的可扩展性。

    目前有许多分布式仿真和控制系统采用以数据库为中心的设计方案。在这种设计方案中,网上的交互信息通过数据库来进行,首先由产生交互信息的机器存入数据库,然后由需要该交互信息的机器从数据库中读出来完成一个信息交互或更新过程。由于该信息交互通过一个中间环节即数据库来进行,因此在网上的计算机数量较多或程序要求的数据更新较多较快时,易造成数据冲突和网络堵塞,极易导致系统运行迟缓或死机,成为整个系统性能的瓶颈。

    当然以数据库为中心的分布式仿真和控制系统也有其优点,其编程思路比较简单清楚,轻易被人理解和把握。对于网上信息交互量不多的系统,可以采用以数据库为中心的系统,同时可以通过数据规划合理地分配各计算机的任务,使用一些编程技术来降低网上的信息流量,提高系统的性能。例如在程序中应尽量使用全局变量创建公用数据库连接,避免每次不必要的数据连接重建时间。

    假如系统较大、网上信息交互量较多或对系统实时性和可扩展性要求较高时,应采用实时网络数据通讯的设计方案。在以数据库为中心的系统设计方案中,由于数据的变化首先要存入数据库,然后被其它程序访问才能刷新,经历了数据库存取这一中间环节。假如网上有多个应用程序都需要知道该数据的变化,则都必须通过数据库访问才能更新。这样就浪费了许多网络资源,容量造成瓶颈。在采用实时网络数据通讯的设计方案中,通过网络实时通讯来解决网上各机器间的数据交互和刷新新问题,其中对于多台机器都需要的数据变化通过网络广播的方式,以定时和数据变化实时触发传送的机制向所需机器通知该数据已发生变化和具体的数值;对于只存在两台机器之间的信息交互可采用点对点的方式进行通讯。通讯的数据格式和组织可以自行定义。因此,和以数据库为中心的方案相比,该设计方案减少了因数据刷新所需的多次访问新问题,大大减少了数据流量,同时网络传输还可以增加数据正确性和合法性校验,为操作者或系统管理员及时提供系统信息和出错信息,便于系统故障诊断和系统调试。

    假如把各子系统初始化数据都保存在服务器的数据库中,则各机一起启动时,由于都需要建立数据库链接,读取其中的初始化数据,轻易造成起动时间过长的现象。为此,对于不必要存于服务器的数据可存于本地数据库中,本地数据库可采用ACCESS数据库。对于一般不变的系统初始化数据也可以备存到本地数据库中,供日常程序起动时使用。假如系统的初始化数据进行了更新,可以编制一段程序,根据数据库服务器的数据库版本号来更新本地数据库。无论何种方案,数据库的访问总是不能避免的,如何提高数据库的访问速度非常值得探究。

    3 提高数据库访问速度(SQL数据库为例)

    客户机程序一般采用VC++VBPowerBuilderDelphi等支持访问数据库的集成开发环境进行开发。在编写客户端程序时,一般通过ODBC(Open Database Connectibvity) APIRDO(Remote Data Objects) [5ADO(ActiveX Data Objects) [5访问数据库,查询或修改数据库中的数据。其中ODBC API是被人们广泛接受的用于数据库访问的应用程序编程接口。具有访问数据库速度快效率高,但编程复杂的特征;远程数据对象(RDO)ODBC API函数进行了封装,为编程人员提供了一个访问远程数据库的高级接口,在程序中通过该对象可轻松对数据库进行远程访问。组件对象(ADO)不仅继续而且发展了RDO,它不但具有访问远程数据库的能力,而且还具有访问其它数据提供者(不一定是数据库,可能是其他文件或其他应用程序所提供的数据)的能力。在VB中可很方便的使用RDOADO来访问数据库,但访问数据库效率不高,速度较慢,灵活性也差。为了满足系统的要求经常需要提高访问数据库的速度,具体方法有摘要:

    3.1 使用ODBC API函数

    由于ODBC API函数的入口参数表中有些参数需要传递指针,而VB不支持指针,因此在VB中调用ODBC API函数会有一定的限制。另外,VB的字符串内存存储格式和C语言不同,而ODBC API函数是用C语言开发的,这也限制了VBODBC API函数之间的数据交换。为此需要开发一个动态链接库(Dynamic Link Library - DLL),编制二个API函数分别以获取参数指针和支持数据交换,从而实现在该动态链接库的支持下,在VB中直接调用ODBC API函数的目的。

    可以使用VC++6.0开发动态链接库。VC++6.0可开发三种类型的动态链接库摘要:Win32 DLL、常规 MFC DLL、扩展 MFC DLL。其中Win32 DLL、常规 MFC DLL可被任意Win32编程环境(包括Visual Basic 6.0)加载使用。常规 MFC DLL在发行时必须附带MFC42.DLL库,而Win32 DLL可单独发行[3。假如只提供给VB编程环境使用,可建立Win32 DLL即可。

    具体的开发步骤为摘要:利用VC++6.0编程环境的AppWizard创建一个简单Win32 DLL工程,工程名为SQLAPI,在此基础上加入自己的代码。代码如下摘要:

    #include "stdafx.h"

    #define DLLEXPORT extern "C" __declspec( dllexport) //定义导出宏

    BOOL APIENTRY DllMain(HANDLE hModule,DWORD ul_reason_for_call,LPVOID lpReserved)

    { return TRUE; }

    DLLEXPORT long __stdcall GetAddress(void * Address) //按地址传送

    { return (long) Address; }//将地址强制转换为长整形

    DLLEXPORT long __stdcall strCopyToByte (char * BytesAddress,char * strAddress)

    { return (long) strcpy(BytesAddress, strAddress); }//将字符串传送到指定地址


    经编译链接生成SQLAPI.DLL动态链接库,将其拷贝到C摘要:/WINDOWS/SYSTEM(对于Windows C摘要:/WINNT/SYSTEM32(对于Windows NT 2000)目录下,这样就可在VB中调用这两个API函数实现对ODBC API的调用。ODBC调用的一般流程为摘要:

    1连接至数据源摘要:分配环境句柄、设置环境属性、分配联接句柄、联接数据源和设置联接属性。

    2初始化应用程序摘要:分配语句句柄、设置语句属性,必要时进行数据绑定。

    3建立和执行SQL语句摘要:a) 建立SQL语句,或使用硬编码的SQL语句。b) 假如SQL语句含有参数,将每个参数绑定至应用程序变量。c) SQLExecDirect执行该语句。假如语句要多次执行,则进行语句预备,并用SQLExecute来执行。

    使用API函数可以加快数据库的访问,提高效率,另外也要注重SQL语句的语法优化。对于巨表和多表访问,SQL语句的语法优化对访问速度的影响会显得尤为重要。

    3.2 SQL优化

    应从数据库端和客户端程序两方面入手,提高访问SQL数据库的速度,提高查询和修改数据库数据的效率。在数据库的表中记录数很多时,访问速度尤其重要,由于SQL数据库采用先进的索引技术和高效的查询算法,因此在保证结果正确的同时,要注重选用性能最佳的实现方法。其中可以通过对数据库的索引,多表间的连接和where子句进行适当的优化,使运行速度大大提高,同时可使用存储过程来使SQL变得更加灵活和高效。

    SQL数据库可高效处理成批和成组的数据,而对于单个数据处理则效率低下,因此,在编写客户端程序时,应尽量将数据成批(成组)地送往数据库,或成批(成组)地查询数据。另外,在客户端,使用SQL语句也存在优化新问题。如摘要:

    dim mValue as Single, strSQL as string

    mValue=12.34

    strSQL=”UPDATE tablename SET value = “+str(mValue)+” WHERE name=’Generator’”

    SQLExecDirect(语句句柄, strSQL ,SQL_NTS);

    该语句将表tablenamename=’ Generator’记录的value值更新为12.34,该操作在程序运行中经过两次转换,首先将单精度数转换为字符串,和其他字符串合并后传递给ODBC 驱动程序,驱动程序又将字符串再转换为ODBC特有的数据格式,如更新大量数据则花费在转换数据格式上的系统开销很大,应尽量避免编写上述代码。对于多次常用语句应进行语句预备,以后可多次使用。

    一般来说,针对有大量重复值、且经常有范围查询(between, %26gt;,%26lt; %26gt;=,%26lt; =)和order bygroup by发生的列,建立非缺省的群集索引可能会使性能更佳,而对于经常同时存取多列,且每列都含有重复值的情况可考虑建立组合索引,注重组合索引要尽量使关键查询形成索引覆盖,其前导列一定要是使用最频繁的列。

    在进行多表操作时,可在执行前根据连接条件,使用查询优化器列出几组可能的连接方案并从中找出系统开销最小的最佳方案。连接条件要充分考虑带有索引的表、行数多的表。内外表的选择可由下列公式确定。其中乘积最小的方案为最佳。

    乘积=外层表中的匹配行数*内层表中每一次查找的次数

    where子句中,任何对列的操作都将导致表扫描,这些操作包括数据库函数、计算表达式等等,查询时要尽可能将操作移至等号右边。假设有如下两个SQL语句,其条件语句中的列value已建有恰当的索引

    语句1摘要:select * from Table1 where value/30%26lt;100

    语句2摘要:select * from Table1 where value%26lt;100*30

    在表中数据很多时,可明显看出语句2的运行速度比语句1快得多,这是因为where子句中对列的任何操作结果都是在SQL运行时逐列计算得到的,因此它不得不进行表搜索,而没有使用已建在该列上的索引。假如在查询编译时就能得到这些列的操作结果,那么就可以被SQL优化器优化,从而使用索引,避免表搜索,如语句2所示。

    where条件中inor子句常会使用临时数据库的工作表,使索引失效;假如子句拆开后不产生大量重复值,可以考虑把子句拆开来优化运行,拆开的子句中应该包含索引。例如,假设在表Parts中有200000行记录,在类型字段Type上有非群集索引,则针对SQL语句摘要:select count(amount) from Parts where Type in('0','1'),因为其where条件中的'in'在逻辑上相当于'or',所以语法分析器会将in ('0','1')转化为Type ='0' or Type ='1'来执行。我们原来期望它会根据每个or子句分别查找,再将结果相加,从而可以利用Type字段上的索引;但实际上它却采用了"OR策略",即先取出满足每个or子句的行,存入临时数据库的工作表中,再建立唯一索引以去掉重复行,最后从这个临时表中计算结果。因此,实际过程没有利用Type字段上的索引,并且完成时间还要受tempdb数据库性能的影响。

    SQL优化的实质就是在结果正确的前提下,用优化器可以识别的语句,尽量减少类型转换和计算,充分利用索引,减少表扫描的I/O次数,尽量避免表搜索的发生。其实SQL的性能优化是一个复杂的过程,上述内容只是在应用层次的一些体现,深入探究还会涉及其它内容如数据库层的资源配置、网络层的流量控制以及操作系统层的总体设计等。

    4 一个机器只用一个数据备存进程

    在分布式的仿真和控制系统中,在同一个机器上经常运行多个进程,这些进程可能都需要进行数据保存工作。为了减少数据链接,减少网络流量,同时增加系统的可靠性和运行的独立性,可采用一个单独的公用数据备存进程来承担其它进程的数据保存功能。其它进程指向数据库服务器的保存操作都通过该模块进行。数据备存进程和其它应用程序进程之间的通讯可通过使用WM_COPYDATA消息进行传输,并使用SendMessage函数解决Windows在通过WM_COPYDATA消息传递期间不提供继续同步方式的新问题。在接受方完成数据拷贝前该函数不返回,这样发送方就不可能删除和修改数据。该函数的语法为SendMessage(hwnd,WM_COPYDATA,wParam,lParam),其中wParam为包含数据的窗口的句柄。lParam指向一个COPYDATASTRUCT的结构。

    下面给出了应用程序进程向数据备存进程传递数据的具体函数。该函数共有两个参数,第一个参数AppNo标识所在应用程序的序号,第二个参数为要传递到数据备存进程中的具体SQL语句。

    void SendRequestToDBServer(long AppNo,const char strSQL[)

    {

    static char Data[1024;

    COPYDATASTRUCT

    展开全文
  • 网络编码方法能有效提高数据传输效率,但采用该方法机会网络数据转发机制均未考虑传输中编码...结果表明,所提出机制有效地减少了网络中的冗余副本,使译码所需的数据量趋于理论上最小值,改善了网络资源利用率。
  • 何时应用 1D CNN?CNN 可以很好地识别出数据的简单模式,然后使用这些简单模式在更高级的层...1D CNN 可以很好地应用于传感器数据的时间序列分析(比如陀螺仪或加速度计数据);同样也可以很好地用于分析具有固定...

    何时应用 1D CNN?

    CNN 可以很好地识别出数据中的简单模式,然后使用这些简单模式在更高级的层中生成更复杂的模式。当你希望从整体数据集中较短的(固定长度,即kernal size)片段中获得感兴趣特征,并且该特性在该数据片段中的位置不具有高度相关性时,1D CNN 是非常有效的。

    1D CNN 可以很好地应用于传感器数据的时间序列分析(比如陀螺仪或加速度计数据);同样也可以很好地用于分析具有固定长度周期的信号数据(比如音频信号)。此外,它还能应用于自然语言处理的任务(由于单词的接近性可能并不总是一个可训练模式的好指标,因此 LSTM 网络在 NLP 中的应用更有前途)。

    1D CNN 和 2D CNN 之间有什么区别?

    无论是一维、二维还是三维,卷积神经网络(CNNs)都具有相同的特点和相同的处理方法。关键区别在于输入数据的维数以及特征检测器(或滤波器)如何在数据之间滑动:

    问题描述

    在本文中,我们将专注于基于时间片的加速度传感器数据的处理,这些数据来自于用户的腰带式智能手机设备。基于 x、y 和 z 轴的加速度计数据,1D CNN 用来预测用户正在进行的活动类型(比如“步行”、“慢跑”或“站立”)。

    来自加速度计数据的时间序列样例

    如何在 Python 中构造一个 1D CNN?

    目前已经有许多标准 CNN 模型可用。我选择了 Keras 网站 上描述的一个模型,并对它进行了微调,以适应前面描述的问题。下面的图片对构建的模型进行一个高级概述。其中每一层都将会进一步加以解释。

    让我们深入到每一层中,看看到底发生了什么:

    输入数据: 数据经过预处理后,每条数据记录中包含有 80 个时间片(数据是以 20Hz 的采样频率进行记录的,因此每个时间间隔中就包含有 4 秒的加速度计数据)。在每个时间间隔内,存储加速度计的 x 轴、 y 轴和 z 轴的三个数据。这样就得到了一个 80 x 3 的矩阵。由于我通常是在 iOS 系统中使用神经网络的,所以数据必须平展成长度为 240 的向量后传入神经网络中。网络的第一层必须再将其变形为原始的 80 x 3 的形状。

    第一个 1D CNN 层: 第一层定义了高度为 10(也称为卷积核大小)的滤波器(也称为特征检测器)。只有定义了一个滤波器,神经网络才能够在第一层中学习到一个单一的特征。这可能还不够,因此我们会定义 100 个滤波器。这样我们就在网络的第一层中训练得到 100 个不同的特性。第一个神经网络层的输出是一个 71 x 100 的矩阵。输出矩阵的每一列都包含一个滤波器的权值。在定义内核大小并考虑输入矩阵长度的情况下,每个过滤器将包含 71 个权重值。

    第二个 1D CNN 层: 第一个 CNN 的输出结果将被输入到第二个 CNN 层中。我们将在这个网络层上再次定义 100 个不同的滤波器进行训练。按照与第一层相同的逻辑,输出矩阵的大小为 62 x 100。

    最大值池化层: 为了减少输出的复杂度和防止数据的过拟合,在 CNN 层之后经常会使用池化层。在我们的示例中,我们选择了大小为 3 的池化层。这意味着这个层的输出矩阵的大小只有输入矩阵的三分之一。

    第三和第四个 1D CNN 层: 为了学习更高层次的特征,这里又使用了另外两个 1D CNN 层。这两层之后的输出矩阵是一个 2 x 160 的矩阵。

    平均值池化层: 多添加一个池化层,以进一步避免过拟合的发生。这次的池化不是取最大值,而是取神经网络中两个权重的平均值。输出矩阵的大小为 1 x 160 。每个特征检测器在神经网络的这一层中只剩下一个权重。

    Dropout 层: Dropout 层会随机地为网络中的神经元赋值零权重。由于我们选择了 0.5 的比率,则 50% 的神经元将会是零权重的。通过这种操作,网络对数据的微小变化的响应就不那么敏感了。因此,它能够进一步提高对不可见数据处理的准确性。这个层的输出仍然是一个 1 x 160 的矩阵。

    使用 Softmax 激活的全连接层: 最后一层将会把长度为 160 的向量降为长度为 6 的向量,因为我们有 6 个类别要进行预测(即 “慢跑”、“坐下”、“走路”、“站立”、“上楼”、“下楼”)。这里的维度下降是通过另一个矩阵乘法来完成的。Softmax 被用作激活函数。它强制神经网络的所有六个输出值的加和为一。因此,输出值将表示这六个类别中的每个类别出现的概率。

    训练和测试该神经网络

    下面是一段用以训练模型的 Python 代码,批大小为 400,其中训练集和验证集的分割比例是 80 :20。

    该模型在训练数据上的准确率可达 97%。

    根据测试集数据进行测试,其准确率为 92%。

    展望

    上面是以分类问题来举例的,对于回归预测问题,只需要把最后一层的全连接层使用linear激活即可~

    Attention

    如果你和我一样是轨道交通、交通运输、城市规划相关领域的,也愿意分享自己的科研生活,请加下面的二维码扫码进群,人数满员后加微信:Dr_JinleiZhang,备注“进群”,我会拉你进交通大数据分享群!不愿意分享的请勿打扰哈!希望我们共同进步!原文:Introduction to 1D ConvolutionalNeural Networks in Keras for Time Sequences

    展开全文
  • 考虑到深度学习的最新发展,验证哪些方法对多元时间序列数据的预测有效已变得越来越重要。 在这项研究,我们提出了一种使用多个深度学习者与贝叶斯网络相结合的时间序列预测的新方法,其中使用K-means聚类将训练...
  • 在传感器网络中,网内数据融合是减少能源消耗的有效途径。首先基于传感器网络的特点,描述了网内数据融合的概念和网内数据融合的两个层次,重点阐述了在无线传感器网络中网内数据融合的几种数据分发策略,并分析了...
  • 根据多维子空间中数据集之间的关联程度进行子空间区分以及子空间内数据集区分,从而实现对不同数据集的有效挖掘。在实验中,对不同数据集数量下的算法内存占用情况、算法挖掘精度、算法运行时间进行仿真,从实验结果...
  • 该算法将整个网络中的节点分成多个簇,并根据节点的传输范围,将每个簇中的节点均匀分布,每个节点根据自己的本地信息和剩余能量选择通信方式向簇头节点传输数据,从而形成传输数据的最短路径;并根据集中式TDMA...
  • 结合BSN及MOT架构双重优势,提出一...最后,通过与其他2种有效的树形双层网络架构MMT及OMULT比较说明,基于BSN-MOT架构通信算法要比其他2种网络有着更小的时间复杂度,且BSN-MOT是一种更具有竞争力体系结构形式。
  • 避免Merkle散列树节点数和深度随数据文件块增多而呈线性增长问题,同时缩短检验过程中的查询认证路径,减少检验所需辅助认证信息,有效地控制了时间和空间消耗。通过实验分析可知,相较于常用方法(如...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,200
精华内容 480
关键字:

网络中数据的有效时间