期刊,计算机科学 2021年卷7期_国家学术搜索

期刊信息/Journal information

计算机科学

主　　编：朱完元

出版周期：月刊

国际刊号：1002-137X

电子邮箱：jsjkx12@163.com

电　　话：023-63500828

邮政编码：401121

地　　址：重庆市渝北区洪湖西路18号

计算机科学/Journal Computer ScienceCSCD北大核心CSTPCD

查看更多>>本刊的读者对象是：大专院校师生，从事计算机科学与技术领域的科研、生产人员。办刊宗旨是：坚持“双百”方针，活跃计算机科学与技术领域的学术气氛，重点报导国内外计算机科学与技术的发展动态，为我国的计算机科学与技术立于世界之林、达到国际先进水平奋斗而矢志不渝。

正式出版

收录年代

基于AGA-DBSCAN优化的RBF神经网络构造煤厚度预测方法

吴善杰王新

308-315页

查看更多>>摘要：在构造煤厚度的预测中,经常出现因各种限制性因素而导致预测精度不高的问题,因此提出了利用自适应遗传算法优化密度聚类(DBSCAN)优化RBF神经网络参数的方法对构造煤厚度进行预测.首先,对采区三维地震属性数据进行预处理,采用主成分分析算法(PCA)对该数据降维并消除变量之间的线性相关性.然后,构建预测构造煤厚度的RBF神经网络模型,并利用DBSCAN获取最佳核心点数据,通过计算得到k-means聚类的初始聚类中心,以此优化k-means算法,进而得到RBF神经网络隐含层基函数最优的中心向量,提高该模型预测的精准性和鲁棒性.同时,针对遗传算法存在容易陷入局部最优的问题,通过随着进化次数的增多自适应地改变交叉率和变异率来改善遗传算法的全局和局部搜索能力,使之逃离局部最优点,获得更优的进化结果.此外,为了增强模型的泛化能力,对模型权重参数加入了L2正则化项,有效避免了噪声对模型泛化能力的影响.最后,将该模型应用到芦岭煤矿II六采区8#煤层中,模型预测构造煤的厚度与实际地质资料具有较高的一致性.因此,所提构造煤厚度预测模型的实际预测精度较高、误差较小,可以推广到实际采区构造煤厚度的预测.

关键词：

主成分分析遗传算法密度聚类中心向量RBF神经网络构造煤厚度预测

原文链接:

NETL
NSTL
维普
万方数据

移动边缘计算中基于深度强化学习的任务卸载研究进展

梁俊斌张海涵蒋婵王天舒...

316-323页

查看更多>>摘要：移动边缘计算是近年出现的一种新型网络计算模式,它允许将具有较强计算能力和存储性能的服务器节点放置在更加靠近移动设备的网络边缘(如基站附近),让移动设备可以近距离地卸载任务到边缘设备进行处理,从而解决了传统网络由于移动设备的计算和存储能力弱且能量较有限,从而不得不耗费大量时间、能量且不安全地将任务卸载到远方的云平台进行处理的弊端.但是,如何让仅掌握局部有限信息(如邻居数量)的设备根据任务的大小和数量选择卸载任务到本地,还是在无线信道随时间变化的动态网络中选择延迟、能耗均最优的移动边缘计算服务器进行全部或部分的任务卸载,是一个多目标规划问题,求解难度较高.传统的优化技术(如凸优化等)很难获得较好的结果.而深度强化学习是一种将深度学习与强化学习相结合的新型人工智能算法技术,能够对复杂的协作、博弈等问题作出更准确的决策,在工业、农业、商业等多个领域具有广阔的应用前景.近年来,利用深度强化学习来优化移动边缘计算网络中的任务卸载成为一种新的研究趋势.最近三年来,一些研究者对其进行了初步的探索,并达到了比以往单独使用深度学习或强化学习更低的延迟和能耗,但是仍存在很多不足之处.为了进一步推进该领域的研究,文中对近年来国内外的相关工作进行了详细地分析、对比和总结,归纳了它们的优缺点,并对未来可能深入研究的方向进行了讨论.

关键词：

移动边缘计算深度强化学习任务卸载卸载决策深度学习强化学习

原文链接:

NETL
NSTL
维普
万方数据

一种自适应于不同场景的智能无线传播模型

高士顺赵海涛张晓瀛魏急波...

324-332页

查看更多>>摘要：无线传播模型由于其对无线电波路径损耗的精准预测及对通信速率与覆盖范围等指标的估算起重要支撑作用,被广泛应用于民用和军用的通信系统设计.近年来,随着人工智能技术的发展,无线传播模型的发展方向也由传统的经验模型向基于数据驱动的智能无线传播模型发展,该类方法可有效地扩展无线传播模型的适用范围并减小预测误差.然而,由于在不同环境下智能无线传播模型的适用特征可能并不相同,如何针对不同场景最优地为智能无线传播模型设计以及选择输入特征是一个重要的研究问题.立足以上需求,提出了一种自适应智能无线传播模型.首先,该模型借鉴经验模型在不同场景下对频率、距离等特征的不同处理方式,对现有的输入特征集合进行了扩充;然后,基于在建模区域采集的训练数据,该模型利用模拟退火算法来自适应地针对当前建模区域为智能无线传播模型选择最优的输入特征子集,从而避免受到无关特征的影响;最后,基于优化过程所搜索到的最优输入特征子集,该模型利用采集到的全部数据对智能无线传播模型进行重新训练,并将该智能无线传播模型进行部署,以预测该区域的路径损耗.仿真结果表明,在复合地形下的LTE网络数据以及其他典型数据集下,与传统的经验模型以及现有的智能无线传播模型相比,所提模型对各种传播场景均具有适用性,且进一步减小了路径损耗的预测误差.

关键词：

深度学习无线传播模型模拟退火算法经验模型

原文链接:

NETL
NSTL
维普
万方数据

能量收集无线通信系统中基于强化学习的能量分配策略

王英恺王青山

333-339页

查看更多>>摘要：随着物联网的普及,对物联网终端设备可使用能量的要求也在提高.能量收集技术拥有广阔前景,其能通过产生可再生能量来解决设备能量短缺问题.考虑到未知环境中可再生能量的不确定性,物联网终端设备需要合理有效的能量分配策略来保证系统持续稳定工作.文中提出了一种基于DQN的深度强化学习能量分配策略,该策略通过DQN算法直接与未知环境交互来逼近目标最优能量分配策略,而不依赖于环境的先验知识.在此基础上,还基于强化学习的特点和系统的非时变系统特征,提出了一种预训练算法来优化该策略的初始化状态和学习速率.在不同的信道数据条件下进行仿真对比实验,结果显示提出的能量分配策略在不同信道条件下均有好于现有策略的性能,且兼具很强的变场景学习能力.

关键词：

能量收集无线通信能量管理马尔可夫决策过程深度强化学习

原文链接:

NETL
NSTL
维普
万方数据

一种传输时限下认知无线电网络的动态广播策略

房婷宫傲宇张帆林艳...

340-346页

查看更多>>摘要：在具有传输时限要求的认知无线电网络中,次用户需要机会式地在给定传输时限内使用无主用户占用的信道广播消息.针对此场景,文中提出一种新的传输时限下认知无线电网络的动态广播策略,允许各等待发送数据的次用户根据每个时隙载波侦听的观测、传输时限剩余时间和主用户占用信道模型实时调整发送概率.首先基于马尔可夫决策过程获得一种载波侦听理想观测假设下的最优策略和最大网络可靠性;然后据此提出一种适用于载波侦听实际观测能力的启发式策略,并通过马尔可夫决策过程建模获得此启发式策略的网络可靠性.仿真结果验证了理论分析的准确性,同时表明所提出的启发式策略的可靠性非常接近理想观测下的最大可靠性,并且明显优于最优静态策略的网络可靠性.

关键词：

认知无线电传输时限动态广播策略马尔可夫决策过程可靠性

原文链接:

NETL
NSTL
维普
万方数据

首页
2
3
4
5