简介：Asystematic,efficientcompilationmethodforqueryevaluationofDeductiveDatabases(DeDB)isproposedinthispaper.Inordertoeliminateredundancyandtominimizethepotentiallyrelevantfacts,whicharetwokeyissuestotheefficiencyofaDeDB,thecompilationprocessisdecomposedintotwophases.Thefirstisthepre-compilationphase,whichisresponsiblefortheminimizationofthepotentiallyrelevantfacts.Thesecond,whichwerefertoasthegeneralcompilationphase,isresponsiblefortheeliminationofredundancy.Therule/goalgraphdevisedbyJ.D.Ullmanisappropriatelyextendedandusedasauniformformalism.Twogeneralalgorithmscorrespondingtothetwophasesrespectivelyaredescribedintuitivelyandformally.

简介：与exascale来超级计算的时代，电源效率成为了最重要的障碍造一个exascale系统。Dataflow建筑学在为科学应用完成高电源效率有本国的优点。然而，最先进的dataflow体系结构没能为循环处理利用高并行。处理这个问题，我们建议一个pipelining环优化方法(PLO)，它在处理元素(PE)在环流动做重复dataflow的数组加速器。这个方法由二种技术，帮助建筑学的硬件重复和帮助说明的软件重复组成。在硬件重复执行模型，一个在薄片上循环控制器被设计产生循环索引，减少计算内核并且打为pipelining执行的一个好基础的复杂性。在软件重复实行模型，另外的环指令被论述解决重复相关性问题。经由这二种技术，准备好了每周期执行的指令的平均数字被增加使浮点联合起来忙。当这二种技术的硬件费用是可接受的时，模拟结果证明分别地，我们的建议方法平均由2.45x和1.1x在浮点效率超过静电干扰和动态循环执行模型。

简介：广告(广告)选择在赞助搜索起一个重要作用，自从它是一个在上游的部件并且将重重地影响随后的拍卖机制的有效性。然而，大多数存在广告选择方法认为广告选择是一个相对独立的模块，并且仅仅考虑文字或在广告选择过程期间的在询问和关键词之间的语义匹配。在这份报纸，我们主张这条途径不是全球性最佳的。我们的建议是作为如此的一个优化问题提出广告选择，选择广告能和下游的部件工作(例如，拍卖机制)完成用户按的最大化，广告客户聚会福利，并且搜索引擎收入(我们作为市场目的叫这些客观函数的联合便于引用)。到这个目的，我们1)提取一捆特征代表每询问和关键词，并且2)训练印射特征到显示关键词是否被选择的一个二进制变量的一个机器学习模型，由最大化上述的市场目的。这形式化似乎相当自然；然而，因为市场目的是非凸的，它是技术上困难的，不连续，并且由于评价和秒价格考虑模型参数的indifferentiable在拍卖机制统治。处理挑战，我们建议市场目的概率的近似，它是光滑的并且能被常规优化技术有效地优化。我们测试从一个商业搜索引擎用赞助搜索日志与我们的建议方法学习的广告选择模型。试验性的结果证明我们的方法罐头显著地在调查下面在所有度量标准上超过几个广告选择算法。

简介：在这份报纸，我们显示出怎么为图象结束在常规或在常规附近的质地利用低等级、稀少的结构。我们的方法为随机、连续的贪污基于统一明确的表达。除了质地的低等级性质，算法也使用自然图象的稀少的假设：因为自然图象是piecewise，变光滑，它在某些转变领域是稀少的(例如Fourier或小浪变换)。我们联合低等级并且质地的稀少性质在建议算法一起想象。我们的算法能自动地并且正确地基于凸的优化修理一块贿赂质地的全球结构，甚至没有要完成的区域的精确信息。这个算法集成质地校正并且修理进一个优化问题。通过广泛的模拟，我们证明我们的方法能完成并且修理错误比存在低等级的矩阵恢复方法更好与随机、连续的支持贿赂的质地。我们的方法证明超越本地补丁的重要优点在处理大贪污，不一致的质地，和大观点变丑基于质地合成技术。

简介：BasedontheframeworkofBSP,aHierarchicalBulkSynchronousParallel(HBSP)performancemodelisintroducedinthispapertocapturetheperformanceoptimizationproblemforvariousstagesinparallelprogramdevelopmentandtoaccuratelypredicttheperformanceofaparallelprogrambyconsideringfactorscausingvarianceatlocalcomputationandglobalcommunication.TherelatedmethodologyhasbeenappliedtoseveralrealapplicationsandtheresultsshowthatHBSPisasuitablemodelforoptimizingparallelprograms.

简介：Thispaperproposesasemi-greedyframeworkforoptimizingmulti-joinqueriesinshared-nothingsystems.Theplangeneratedbytheframeworkcomprisesseveralpipelines,eachperformingseveraljoins.Theframeworkdeterminesthe“optimal”numberofjoinstobeperformedineachpipeline.Thedecisionsaremadebasedonthecostestimationoftheentireprocessingplan.Twoexistingoptimizationalgorithmsareextendedundertheframework.Ananalyticalmodelispresentedandusedtocomparethequalityofplansproducedbyeachoptimizationalgorithm.Ourstudyshowsthatthenewalgorithmsoutperformtheircounterpartsthatarenotextended.

简介：ItisgenerallyacknowledgedthatmobilecommunicationbasestationsarecomposedofhardwarecomponentssuchasFieldProgrammingGateArray(FPGA),DigitalSignalProcessor(DSP),whichpromisereliableandfluentservicesforthemobileusers.However,withtheincreasingdemandforenergy-efficiency,approachesoflowpower-consumptionandhigh-flexibilityareneededurgently.Inthiscircumstance,GeneralPurposeProcessor(GPP)attractspeople'sattentionforitslow-costandflexibility.BenefitedfromthedevelopmentofmodernGPPinmulti-core,SingleInstructionMultipleData(SIMD)instructions,largercache,etc.,GPPsarecapableofperforminghigh-densitydigitalprocessing.Inthispaper,wecompareseveralsoftware-definedradio(SDR)prototypesandproposethegeneralarchitectureofGPP-basedsoftbasestations.Then,theschematicdesignofresourceallocationandalgorithmoptimizationinsoftbasestationimplementationarestudied.Asanapplicationexample,aprototypeofGPP-basedsoftbasestationreferringtothe3rdGenerationPartnershipProject(3GPP)LongTermEvolution(LTE)isrealizedandevaluated.Tothebestofourknowledge,itisthefirstSoft-LTEprototypeeverreported.Intheend,weevaluatethetimingperformanceoftheLTEsoftbasestationandapacketlossratiooflessthan0.003isobtained.

简介：在这份报纸，我们用间隔分析为全球优化建议一个分散的平行计算模型。模型对处理器的任何数字适应，工作量在由其他的消息过去的所有处理器之中是自动地并且均匀地分布式的。每个处理器收到的问题基于他们的本地优势性质被处理，它避免不必要的间隔评估。进一步，这个问题在计算的开始总体上被对待以便没有起始的分解计划被要求。数字实验显示模型工作很好并且与平行处理器的不同数字是稳定的，在处理器之中均匀地散布负担，并且提供出色的加速，特别当这个问题是费时间的解决时。

简介：无线网络在更宽的光谱利用的时尚下面被开发(例如，认知无线电)并且多跳跃通讯(例如，无线网孔网络)。在这些范例，怎么有效地与最小化的相互的干扰分配光谱到不同传播连接成为关键担心。在这份报纸，我们在认知收音机网络(CRN)经由光谱分配学习产量优化。以前的研究合并冲突图或SINR模型描绘干扰关系。然而，以前的模型忽视积聚的干扰效果并且导致讨厌的干扰和非最优的结果，当工作在所有潜在的连接之中在估计的RSS(收到的信号力量)的精确性上基于后者模型忽视它的重信赖时。两个是不适当的描绘在干扰和产量之间的复杂关系。到这个目的，由考虑CR的特征，象光谱差异和间断OFDM一样，我们建议一个帮助测量的基于SINR的跨层的产量优化答案。我们的工作在不同的层使特征担心：在物理层，我们在场改进SINR模型的精确性的一个有效RSS评价算法；在上面的层，流动水平为WMN的基于SINR的产量优化问题作为一个混合整数被建模被证明NP难的非线性的编程问题。解决这个问题，一集中(1)最佳的算法和一个有效分布式的算法被提供。评估算法表演，真实世界的踪迹被用来说明我们的计划的有效性。

简介：在过去几年，无线联网技术成为了广阔在我们的每日的生活袭击。在无线特定的网络，没有任何永久基础结构，连接由很多个单位被建立。在这篇论文，资源优化被认为由高效地使用网络能力最大化网络产量，在的地方multi-hopfunctionality和空间TDMA(STDMA)存取方案被使用。目的是与给定的交通分布和相应路由选择信息发现最小的框架长度。因为内在的数学问题的复合结构，以前的工作和分析为现实主义的尺寸的网络变得难处理。这个问题通过数学规划途径被处理，线性整数明确的表达为优化网络产量被开发，然后初始问题的类似和图边缘着色问题通过冲突图概念被显示出。一个列产生答案被建议，几改进被做以便系住它的集中。数值结果证明产量的理论限制能高效地为现实主义的尺寸的网络被计算。

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。