简介:包分类被学习十年了;它基于一个给定的规则集合分类包进特定的流动。当定义软件的网络被建议,包分类的一个最近的趋势是放大五元组的模型到多元组。一般来说,多重地上的包分类是一个复杂问题。尽管大多数存在softwarebased算法在实践被证明非凡,他们对经典五元组的模型仅仅合适并且对困难被扩大规模。同时,硬件特定的答案不可弯曲、昂贵,并且他们中的一些是消费的力量。在这份报纸,我们为多核心系统建议一条通用的多维的包分类途径。在我们的途径,新奇数据结构和四个基于分解的算法被设计优化分类并且规则更新。为多地规则,一个规则集合根据领域的数字被切成几部分。每部分独立地工作。这样,这些地在平行被寻找,所有部分结果最后一起被合并。表明我们的途径的可行性,我们实现一个原型并且评估它的产量和潜伏。试验性的结果证明我们的途径比另外的分解底的算法和43%更低的潜伏的完成40%更高的产量平均比另外的算法的统治增长更改。而且,我们的途径平均节省39%记忆消费并且有好可伸缩性。
简介:Toenhancetheexpressivepowerandthedeclarativeabilityofadeductivedatabase,variousCWA(ClosedWorldAssumption)formalizationsincludingthenaiveCWA,thegeneralizedCWAandthecarefulCWAareextendedtomulti-valuedlogics.Thebasicideaistoembedlogicformulasintosomepolynomialring.Theextensionscanbeappliedinauniformmannertoanyfinitelymulti-valuedlogics.Thereforetheyarealsoofcomputationalsignificance.
简介:Large-scaleMIMO(multiple-inputmultiple-output)systemswithnumerouslow-powerantennascanprovidebetterperformanceintermsofspectrumefficiency,powersavingandlinkreliabilitythanconventionalMIMO.Forlarge-scaleMIMO,thereareseveraltechnicalissuesthatneedtobepracticallyaddressed(e.g.,pilotpatterndesignandlow-powertransmissiondesign)andtheoreticallyaddressed(e.g.,capacitybound,channelestimation,andpowerallocationstrategies).Inthispaper,weanalyzethesumrateupperboundoflarge-scaleMIMO,investigateitskeytechnologiesincludingchannelestimation,downlinkprecoding,anduplinkdetection.Wealsopresentsomeperspectivesconcerningnewchannelmodelingapproaches,advanceduserschedulingalgorithms,etc.
简介:与超级计算机的快速的开发,规模和复杂性曾经正在增加,并且可靠性和跳回面临更大的挑战。在容错有许多重要技术,例如基于差错预言的积极失败回避技术,反应容错基于检查点,和安排技术到改进可靠性。系统差错的特征上的质、量的描述为这些技术是很批评的。这研究在超级计算机把SunwayBlueLight称为的二典型petascale上分析失败的来源(基于多核心中央处理器)并且SunwayTaihuLight(基于异构的manycore中央处理器)。它揭开一些有趣的差错特征并且在主要部件差错之中发现未知关联关系。最后,纸在资源和不同时间跨度的各种各样的谷物分析二台超级计算机的失败时间,并且为petascale超级计算机造一个一致多维的失败时间模型。
简介:Thispaperproposesasemi-greedyframeworkforoptimizingmulti-joinqueriesinshared-nothingsystems.Theplangeneratedbytheframeworkcomprisesseveralpipelines,eachperformingseveraljoins.Theframeworkdeterminesthe“optimal”numberofjoinstobeperformedineachpipeline.Thedecisionsaremadebasedonthecostestimationoftheentireprocessingplan.Twoexistingoptimizationalgorithmsareextendedundertheframework.Ananalyticalmodelispresentedandusedtocomparethequalityofplansproducedbyeachoptimizationalgorithm.Ourstudyshowsthatthenewalgorithmsoutperformtheircounterpartsthatarenotextended.
简介:Efficientestimationofpopulationsizeisacommonrequirementformanywirelesssensornetworkapplications.Examplesincludecountingthenumberofnodesaliveinthenetworkandmeasuringthescaleandshapeofphysicallycorrelatedevents.Thesetasksmustbeaccomplishedatextremelylowoverheadduetothesevereresourcelimitationofsensornodes,whichposesachallengeforlarge-scalesensornetworks.Inthisarticlewedesignanovelmeasurementtechnique,FLAKEbasedonsparsesamplingthatisgeneric,inthatitisapplicabletoarbitrarywirelesssensornetworks(WSN).Itcanbeusedtoefficientlyevaluatesystemsize,scaleofevent,andotherglobalaggregatingorsummationinformationofindividualnodesoverthewholenetworkinlowcommunicationcost.Thisfunctionalityisusefulinmanyapplications,buthardtoachievewheneachnodehasonlyalimited,localknowledgeofthenetwork.Therefore,FLAKEiscomposedoftwomaincomponentstosolvethisproblem.OneistheInjectedRandomDataDissemination(Sampling)method,theotherissparsesamplingalgorithmbasedonInverseSampling,uponwhichitimprovesbyachievingatargetvariancewithsmallerrorandlowcommunicationcost.FLAKEusesapproximatelyuniformrandomdatadisseminationandsparsesamplinginsensornetworks,whichisanunstructuredandlocalizedmethod.Atlastweprovideexperimentalresultsdemonstratingtheeffectivenessofouralgorithmonbothsmall-scaleandlarge-scaleWSNs.Ourmeasurementtechniqueappearstobethepracticalandappropriatechoice.
简介:我们在场统一的一个多水平分区为能被设计或在一种含蓄的形式代表的表面重建的代数学的集合表面(MPU-APSS)。代数学的点集合表面(APSS)用本地移动从一套未组织起来的点定义光滑的表面最少平方(MLS)代数学的范围适合。由于本地性质,然而,APSS不为几何学编辑并且当模特儿工作很好。相反,我们的方法基于统一途径的分区为散布的点集合造一个含蓄的近似函数。由使用octree分策略,我们适应地首先为点集合构造本地代数学的范围,然后使用weighting功能一起混合这些本地形状功能。最后,我们从表面计算签署的距离功能的控制错误的近似。另外,我们在场为点使我们的表示合适的一个有效设计操作员设定过滤并且动态点采样。我们为表面重建并且几何学当模特儿例如表面结束表明我们的统一途径的有效性。
简介:在在标记的来源域利用知识在目标域预言未标记的数据转移学习目的,在分布在域是不同的的地方。在为转移学习的各种各样的方法之中,一个种算法从不同领域集中于在桥特征和所有另外的特定的特征之间的通讯,并且以后进行经由单个看法的通讯学习的转移。然而,单个看法的通讯可以由于不正确的关联发现的问题阻止这些算法进一步的改进。处理这个问题,我们为在一个多看法通讯观点学习的转移建议一个新方法,它被称为多看法主要部件分析(MVPCA)途径。MVPCA分别地从不同领域发现在越过所有领域代表性的桥特征和特定的特征之间的通讯,并且进行以一个多看法方法由维数减小学习的转移,它能更好描绘知识转移。实验证明MVPCA能显著地减少一个基线非转移方法的生气领域预言错误。与合并到学习方法的单个看法的转移的多看法通讯信息,MVPCA能进一步改进一个最先进的单个看法的方法的表演。
简介:Knowledgeabouthumanbeingsisanintegralpartofanyintelligentagentofconsiderablesignificance.Delimiting,modelingandacquiringsuchknowledgearethecentraltopicsofthispaper.Becauseofthetremendouscomplexityinknowledgeofhumanbeings,weintroduceatop-levelontologyofhumanbeingsfromtheperspectivesofpsychology,sociology,physiologyandpathology.Thisontologyisnotonlyanexplicitconceptualizationofhumanbeings,butalsoanefficientwayofacquiringandorganizingrelevantknowledge.
简介:Large-scaleobject-oriented(OO)softwaresystemshaverecentlybeenfoundtoshareglobalnetworkcharacteristicssuchassmallworldandscalefree,whichgobeyondthescopeoftraditionalsoftwaremeasurementandassessmentmethodologies.Tomeasurethecomplexityatvariouslevelsofgranularity,namelygraph,class(andobject)andsourcecode,weproposeahierarchicalsetofmetricsintermsofcouplingandcohesion-themostimportantcharacteristicsofsoftware,andanalyzeasampleof12open-sourceOOsoftwaresystemstoempiricallyvalidatetheset.Experimentalresultsofthecorrelationsbetweencross-levelmetricsindicatethatthegraphmeasuresofoursetcomplementtraditionalsoftwaremetricswellfromtheviewpointofnetworkthinking,andprovidemoreeffectiveinformationaboutfault-proneclassesinpractice.
简介:数据存取延期是在利用高端计算(HEC)用机器制造的电流的一个主要瓶颈。在数据在中央处理器前被取的地方,预取为它要求,被看作了掩盖数据存取延期的一个有效答案。然而,在一个计算处理器开始预取指令的地方,当前的开始顾客的预取策略有许多限制。他们不与复杂、非连续的数据存取模式为应用工作很好。当技术进展时,继续增加在计算和数据存取性能之间的差距,交换计算力量因为减少数据存取延期成为了一种自然选择。在这篇论文,我们在场基于服务者的数据推接近并且讨论它的联系实现机制。在服务者推建筑学,打电话给数据推服务者(DPS)的一个奉献服务者开始,专业版活跃地及时更近把数据推到顾客。问题,象,取取的数据被学习,并且怎么推的那样。SimpleScalar模拟器与为到测试DPS的另一个处理器的推数据基于预取的一台奉献预取的引擎被修改。模拟结果证明那L1高速缓存故障率能被多达97%减少(71%平均)在为有高高速缓存故障率的说明CPU2000基准的一台超级标量处理机上。电子增补材料这篇文章(doi:10.1007/s11390-007-9090-y)的联机版本包含增补材料,它对授权用户可得到。
简介:Multipleperformancerequirementsneedtobeguaranteedinsomereal-timeapplicationssuchasmultimediadataprocessingandreal-timesignalprocessinginadditiontotimingconstraints.Unfortunately,mostconventionalschedulingalgorithmsonlytakeoneortwodimensionsofthemintoaccount.Motivatedbythisfact,thispaperinvestigatestheproblemofprovidingmultipleperformanceguaranteesincludingtimeliness,QoS,throughput,QoSfairnessandloadbalancingforasetofindependenttasksbydynamicscheduling.Webuildaschedulermodelthatcanbeusedformulti-dimensionalscheduling.Basedontheschedulermodel,weproposeaheuristicmulti-dimensionalschedulingstrategy,MDSS,consistingofthreesteps.Thefirststepcanbeofanyexistingreal-timeschedulingalgorithmthatdeterminestoacceptorrejectatask.Instep2,weputforwardanovelalgorithmMQFQtoenhancetheQoSlevelsofacceptedtasks,andtomakethesetaskshavefairQoSlevelsatthesametime.AnothernewalgorithmITLBisproposedandusedinstep3.TheITLBalgorithmiscapableofbalancingloadandimprovingthroughputofthesystem.ToevaluatetheperformanceofMDSS,weperformextensivesimulationexperimentstocompareMDSSstrategywithMDSRstrategy,DASAPandDALAPalgorithms.ExperimentalresultsshowthatMDSSsignificantlyoutperformsMDSR,DASAPandDALAP.
简介:在这份报纸,我们建议了能与深convolutional从食物图象识别盘子类型,食物成分,和煮的方法的一个多工系统神经网络。我们为每个班与至少500幅图象建立了不同食物的360个班的数据集。到数据的噪音,它是从因特网收集了的还原剂,孤立点图象通过与深convolutional特征训练的一个类的SVM被检测并且消除。我们同时训练了一个盘子标识符,一个煮的方法识别器,和一个多标签成分察觉者。他们在深网络体系结构分享一些低级的层。建议框架与手工制作的特征,和识别器和成分察觉者能被用于没在训练数据集被包括为用户提供引用信息的盘子的煮的方法比传统的方法显示出更高的精确性。
简介:自从它为决策和控制打基础,州的评价在许多真实应用程序起一个不能替代的作用。这份报纸为一个基于竞争的不可靠的无线网络学习多传感器评价问题。在每次走,仅仅,一个传感器能由于潜在的竞争和碰撞与基础车站交流。另外,自从无线隧道是不可靠的,数据包可以在传播期间被失去。一个新奇的包到达模型被建议它同时考虑上述二个问题。无线传感器网络(WSN)的二种情形被考虑:传感器直接播送未加工的大小,传感器相反送本地评价。基于获得的包到达模型,在基础车站方面的评价的必要、足够的稳定性条件被为两种网络情形提供。特别地,所有提供的稳定性条件被简单不平等以包到达率表示并且光谱系统矩阵的半径。他们与存在相关结果的关系也被讨论。最后,建议结果被监视原型系统的模拟例子和环境表明。
简介:话题建模是一种主流、有效的技术处理文章数据,用在文章分析的宽应用,自然语言,个性化的建议,计算机视觉,等等。在所有已知的话题模型之中,监督了潜伏的Dirichlet分配(sLDA)作为一个流行、竞争的监督话题模型被承认。然而,数据集的规模的渐渐的增加使sLDA越来越低效、费时间,并且在一个很狭窄的范围限制它的应用程序。解决它,平行联机sLDA,命名PO-sLDA(平行、联机的sLDA),在这研究被建议。它使用使训练过程更快速、有效的学习方法,和并行计算机制经由MapReduce框架实现了的随机的变化推理被建议支持云计算并且大数据处理的能力。PO-sLDA支持的联机训练能力扩展这条途径的申请范围,为有高即时的需求的真实应用使它有帮助。当sLDA和罐头高效地加速训练过程,用有不同尺寸的二数据集的确认证明建议途径有比较精确性。而且,它的好集中和联机训练能力为分析并且处理的大规模文章数据使它赚钱。
简介:在黑暗的硅时代,许多核心处理器的许多独立部件在一个薄片上由于电源消费的限制正在变得自愿地不活跃。然而,联网连接保留,在薄片上互联必须仍然被使激活并且浪费可观的精力避免这些不活跃的部件的隔离,伤害整个处理器芯片的精力比例。在这份报纸,我们建议一个新奇图案没有损坏网络连接,提供更多的精力比例的在薄片上连接。达到这个目标,我们重新设计路由器建筑学。新建筑学,DimRouter,支持三个模式:正常、黑暗、暗淡。在暗淡模式,仅仅路由器的部分是活跃的并且当黑暗模式把所有路由器元素放处于睡着了的状态时,提供灵活连接。而且,最大化黑暗路由器的数字,我们也基于抑制度的Steiner建议一个重构算法树。在合成交通下面的评估结果证明新设计能与普通设计相比减少精力消费直到85%。为真实应用程序交通,新设计能也与4%性能改进保存一般水准46%精力消费。
简介:Withthemulti-tierpricingschemeprovidedbymostofthecloudserviceproviders(CSPs),theclouduserstypicallyselectahighenoughtransmissionserviceleveltoensurethequalityofservice(QoS),duetotheseverepenaltyofmissingthetransmissiondeadline.Thisleadstotheso-calledover-provisioningproblem,whichincreasesthetransmissioncostoftheclouduser.Giventhefactthatcloudusersmaynotbeawareoftheirtrafficdemandbeforeaccessingthenetwork,theover-provisioningproblembecomesmoreserious.Inthispaper,weinvestigatehowtoreducethetransmissioncostfromtheperspectiveofcloudusers,especiallywhentheyarenotawareoftheirtrafficdemandbeforethetransmissiondeadline.Thekeyideaistosplitalong-termtransmissionrequestintoseveralshortones.Byselectingthemostsuitabletransmissionservicelevelforeachshort-termrequest,acost-efiqcientinter-datacentertransmissionservicelevelselectionframeworkisobtained.Wefurtherformulatethetransmissionservicelevelselectionproblemasalinearprogrammingproblemandresolveitinanon-linestylewithLyapunovoptimization.Weevaluatetheproposedapproachwithrealtrafficdata.Theexperimentalresultsshowthatourmethodcanreducethetransmissioncostbyupto65.04%.
简介:Device-to-device(D2D)通讯是为改进细胞的网络的一种新兴的技术,它在认识到事情(IoT)的因特网起一个重要作用。光谱效率,精力效率和网络的产量能被合作在一个自我组织的方法在多重D2D用户之中提高。以便没有减少的通讯质量,限制D2D用户和负担的干扰离开D2D用户的精力消费,一个干扰有限多用户合作计划被建议让多重D2D用户在这份报纸解决精力问题和干扰问题。多重D2D用户使用非直角的系列由自我组织的方法形成簇。多重D2D用户被划分成不同合作单位。在不同合作单位之中没有干扰以便以合作单位限制每个D2D用户的干扰。当连接能力不能满足用户率的要求时,它将生产一个中断事件。以便评估通讯质量,D2D连接的暴行概率被考虑连接延期阀值,数据率和干扰导出。除精力可获得性和每个D2D用户的signal-to-noise比率(SNR)以外,当选择中继D2D用户以便提高接待用户的D2D的signal-to-interference-plus-noise比率(SINR)时,在D2D用户之间的距离被考虑。联合导出的暴行概率,在平均连接延期阀值之中的关系,精力的效率和能力的效率被学习。模拟结果证明多重D2D用户合作计划不能仅仅帮助卸载精力消费并且限制D2D用户的干扰,而且提高精力的效率和能力的效率的干扰有限。