无线通信和移动计算
出版合作
更多信息
威利Hindawi标志
日记指标
录取率 33%
提交最终决定 81天
接受出版 37天
小城堡 2.900
影响因子 1.819

关于车辆和电网的多目标优化

阅读全文

杂志简介

无线通信和移动计算提供在学术界和电信和网络行业工作的研发社区,并在这一快速移动领域分享研究和思想的论坛。

编辑聚光灯

无线通信和移动计算维护来自世界各地的实践研究人员的一位练习委员会,以确保手稿由作为学习领域的专家的编辑处理。

特殊问题

我们目前有许多特殊问题开放才能提交。特殊问题突出了领域内研究的新兴领域,或为现有研究区提供更深入的调查。

最新的文章

更多物品
研究文章

基于FPGA的卷积神经网络协处理器

提出了一种基于fpga的卷积神经网络协处理器。该协处理器具有行平稳流模式下的一维卷积计算单元PE和脉动阵列结构下的三维卷积计算单元PE链。协处理器可以根据卷积层输出通道数灵活控制PE阵列开口数。本文设计了一个具有多级缓存的存储系统,全局缓存使用多个广播将数据分发到本地缓存,并提出了一种与硬件架构相适应的图像分割方法。该协处理器实现了VGG16神经网络模型的卷积层和池化层,其中激活值、权值和偏差值采用16位定点量化,在时钟频率为200mhz,功耗约为9.25 W时,峰值计算性能为316.0 GOP/s,平均计算性能为62.54 GOP/s。必威2490

研究文章

通过基于图形的极限学习机识别非衡盲癫痫发信号

癫痫性脑电图信号识别是癫痫检测的重要手段。癫痫性脑电图信号识别本质上是一种典型的不平衡分类任务。然而,传统的机器学习方法用于不平衡癫痫性脑电图信号识别面临许多挑战:(1)传统的机器学习方法往往忽略了癫痫性脑电图信号的不平衡,导致阳性样本的误分类,可能造成严重的后果。(2)现有的不平衡分类方法忽略了样本之间的相互关系,导致分类性能较差。为了克服这些困难,提出了一种基于图的极限学习机方法(G-ELM)来识别不平衡癫痫性脑电图信号。该方法利用图论根据数据分布构造样本的关系图。然后,将关系图与ELM相结合建立模型;它继承了ELM的快速学习能力和良好的泛化能力,提高了分类性能。在真实的非平衡癫痫脑电数据集上的实验验证了该方法的有效性和适用性。

研究文章

面向人体运动监测与传感的体育舞蹈动作识别系统

由于动作识别具有较高的研究价值,近年来已成为一个非常热门的研究方向。然而,将动作识别技术与舞蹈动作相结合的研究还处于起步阶段。同时,由于舞蹈动作的高度复杂性和舞蹈表演时人体自身遮挡的问题,引发了对舞蹈视频动作识别的研究。进展相对缓慢。本文主要介绍了面向人体运动监测与感知的运动舞蹈动作识别系统的研究,充分考虑了上述问题,并对该领域目前优秀的动作识别研究内容进行了深入的研究和分析。本文提出了一种用于人体运动监测和感知的运动舞蹈动作识别研究方法,包括运动舞蹈动作分类算法和运动舞蹈动作预处理算法,用于人体运动监测与感知的体育舞蹈运动识别的研究实验。实验结果表明,用于人体运动监测和感知的运动舞蹈动作识别系统平均识别准确率为92%,可用于日常体育舞蹈训练和比赛。

研究文章

用自适应光学扫描激光眼力图像图像扫描和偏置基于校正的自动锥形光感受器细胞识别

视锥细胞的识别对眼病的早期诊断具有重要意义。我们提出了自适应光学扫描激光检眼镜图像的自动深度学习锥体感光细胞识别。该算法基于DeepLab和偏置场校正。在参考人工识别的情况下,我们的算法是高效的,实现了准确率,召回率和 得分分别为96.7%,94.6%和95.7%。为了说明我们的算法的性能,我们对具有不同锥形感光电池分布的图像的识别结果。实验结果表明,我们的算法可以在人视网膜的图像上实现精确的光感受电池识别,这与手动识别相当。

研究文章

基于SEIR-AQ传染病模型的新冠肺炎防控策略评价与预测

根据SEIR模型,考虑到预防和控制措施,预防和控制意识,经济水平和医学水平指标,提出了一种“易感暴露感染 - 脱落 - 孤立”的传染病模型(SEIR-AQ的缩写)以评估和预测不同预防和控制策略的Covid-19流行的发展。通过配合获得SeiR-AQ模型的动力学参数,通过欧拉方法解决SeiR-AQ模型的参数。此外,还模拟了不同国家预防和控制策略对感染次数的影响,分离比例,死亡人数和回收率的数量。理论分析表明,预防和控制和医疗跟踪隔离等措施对Covid-19大流行的发展具有显着的抑制作用,其中分层治疗和增强的意识在峰值的快速回归中发挥了关键作用Covid-19感染患者。仿真结论。SEIR-AQ模型可用于评估Covid-19流行病的发展状况,并对Covid-19预测具有一些理论值。

研究文章

大数据下资源约束工业项目组调度的网络流量统计方法

随着互联网时代的出现,各个领域对网络的需求正在增长,网络应用越来越丰富,为网络流量统计带来了新的挑战。如何有效地进行网络流量统计数据,已成为研究的重点。虽然目前的研究结果很多,但它们不是很理想。基于大数据和机器学习算法的时代背景,本文采用蚁群算法解决了典型的资源约束项目调度问题,找到了网络流量资源分配问题的最佳解决方案。首先,建立了资源受限的项目调度问题的目标函数和数学模型,并且蚁群算法用于优化。然后,引入了PSPLIB中的项目调度问题,其中包含10个任务和1个可再生资源。数学模型和蚁群算法用于解决资源受限的项目调度问题。最后,分析并计数了112.58.14.66的繁忙时间IP的PCU的数据量和频率。实验结果表明,该算法可以在第94阶代之后获得独特的最佳解决方案,这表明在解决方案方法中设置的参数是合适的,并且可以获得最佳解决方案。最佳调度方案中的每个任务的时间表非常紧凑且合理。 The peak time of network traffic is usually between 9 : 00 and 19 : 00-21 : 00. We can reasonably schedule the network resources according to these time periods. Therefore, the network traffic statistics method based on the solution of resource constrained industrial project group scheduling problem under big data can effectively carry out network traffic statistics and trend analysis.

无线通信和移动计算
出版合作
更多信息
威利Hindawi标志
日记指标
录取率 33%
提交最终决定 81天
接受出版 37天
小城堡 2.900
影响因子 1.819
提交