资源受限

摘要： 安全芯片开放式架构实现了用户程序和操作系统的分离,降低了应用程序与安全芯片操作系统的耦合性,但同时存在国外垄断、执行效率低、内存易泄露等弊端。对于搭载了开放式运行环境的安全芯片,面向资源受限所设计的精简扩展指令集支持与行业应用高度结合,具有基于寄存器的高效指令集解释执行能力,并具有更好的指令集安全性,可支持多应用融合,有助于打破国外垄断。

摘要： 人工智能(AI)几十年来一直是一个热门的技术话题。根据Statista和Gartner的预测,人工智能的收入将在未来4年内增长4倍,在2024年后将超过1 000亿美元(1美元约为人民币6.4元)。传统上,复杂的人工智能计算在云端数据中心运行。在GPU加速器和专门的系统级芯片(So C)的帮助下,在台式机上实现人工智能模型,可以减少云端访问的要求。但在过去的几年里,一个重要的转变是AI处理从云端转到设备级。这主要归功于嵌入式设备/So C的性能不断提高和安全考虑。这种转变催生了嵌入式人工智能的概念——机器学习和深度学习在设备级嵌入式软件中的应用。

摘要： 针对目前低压配电物联网中存在维护困难、监测薄弱、设备互操作性差的问题,基于IEC 61850研究了实现抽象通信服务接口ACSI的CoAP协议映射方法,可以实现大规模感知端设备接入时的互联互通、互操作。在考虑配电物联网端设备资源受限运行场景下,分析端设备对传输速率、设备功耗、设备自身性能及部署成本的需求等确定了ACSI服务子集,为简化与IEC 61850数据对象之间的相互转化,采用通信服务直接映射策略,根据CoAP协议自身的访问流程设计了将SCL文件映射至URI来实现功能信息访问的资源访问方法。通过比较在IEC 61850及物联网中已使用编码方法的编码效率及开销,确定采用ASN.1 BER数据编码方法,构建了CoAP协议映射方法。基于测试平台测试了CoAP协议映射的实时性,验证了方法的可行性。

摘要： 装备维修保障对推进作战顺利进行具有重要作用,合理高效的维修任务调度是维修保障的主要内容。首先讨论了资源受限伴随维修保障任务调度下的资源分类、优先级评估指标、维修调度模型、动态调度算法;其次分析了装备维修工序调度的流程;然后介绍了常见调度问题的目标函数、约束条件、求解算法;最后总结了资源受限任务调度存在的开放性问题和未来的发展方向。

摘要： 舰载机机库维修能力是制约舰载机机群可用度乃至出动、作战能力的关键要素,为提升舰载机机库维修效率并减轻传统人工制定维修计划的负担,研究了舰载机机群机库维修任务调度方法。首先,系统分析了舰载机机群机库维修任务调度的作业流程模式,基于维修资源约束,面向实际维修任务需求,提出了将舰载机机群波次可用度指标和机库维修人员负载均衡性指标作为分层优化目标,建立了舰载机机群机库维修任务调度模型。其次,将模型抽象为多技能资源受限项目调度问题,提出了基于资源约束推进的串行调度机制,并设计了混合教与学优化算法。最后,通过设计仿真案例和算法对比,验证了模型和算法的可行性与有效性,所提出的混合教与学算法具备更好的收敛速度和优化性能,有一定的工程借鉴意义。

摘要： 随着星载计算机系统功能的日益复杂,程序规模也在快速扩大.在存储资源极其受限的背景下,需要稳定、有效的代码压缩功能来保障星载软件的正常存储与运行.混合压缩算法是目前无损数据压缩的主流算法,具有压缩率高、代码规模和计算资源需求大的特点.然而,在航天星载计算机等嵌入式系统中,由于其运行环境特殊,需要较高的可靠性和抗干扰能力,无法实现混合压缩算法应有的效果.同时,单一压缩模型压缩率较低.针对以上问题,在LZ77算法代码体积和内存消耗优势的基础上提出了改进方法:为压缩过程设计一种新的匹配记录表以存储高价值数据索引来辅助压缩,实现了原算法局部性优势与高价值数据全局分布的互补,更大程度上减少了数据冗余;结合动态填充、变长编码等进一步优化编码结构,降低存储需求;最终,设计并实现了一种更加适合航天嵌入式环境的无损数据压缩算法(LZRC).实验结果表明:(1)新算法在比LZ77算法代码体积仅多出3.5 KB的条件下,对软件代码的平均压缩比提高了17%;(2)新算法的运行内存需求仅为混合压缩算法的12%,代码体积也减少了84%,更加适合星载计算机系统.

摘要： 深度学习技术的快速发展给我们带来了极大的便利,但同时也导致大量隐私数据的泄露.联邦学习允许客户端在只共享梯度的情况下联合训练模型,这看似解决了隐私信息泄露问题,但研究表明联邦学习框架中传输的梯度依然会导致隐私信息泄露.并且,联邦学习的高通信代价的特点难以适用于资源受限的环境.为此,提出了2个通信高效且安全的联邦学习算法,算法使用Top-K稀疏及压缩感知等技术以减少梯度传输造成的通信开销,另外利用安全多方计算中的加法秘密共享对重要的梯度测量值加密,以实现在减少通信开销的同时进一步增强其安全性.2个算法的主要区别是客户端与服务器通信时传递的分别为梯度测量值与梯度测量值的量化结果.在MNIST及Fashion-MNIST数据集上的实验表明,与其他算法相比,本文所提的算法在保证通信代价较低的情况下进一步增加了安全性,同时在模型准确性上也有较好的性能.

摘要： 21世纪是城市的世纪,城市建设关乎国计民生。体育作为一种新的城市发展动力和文化软实力,在全球城市竞争和城市文化类型中扮演着独具魅力、不可替代的重要作用,也日渐成为城市“弯道超车”甚至“变道超车”的重要助推力。近年来,随着体育事业的发展给我国城市发展带来的经济效益和社会效应在实践中不断得到印证,越来越多的本土城市在发展资源受限、规划模式雷同甚至同质化竞争加剧的现实背景下,洞悉到体育在满足人民群众对美好生活向往、推动城市健康生活方式普及中的潜在价值,相继提出打造体育城市的规划愿景和导向目标,以此提升城市吸引力、影响力和竞争力,助推城市转型与发展。

摘要： 延迟容忍网络中基于位置的地理路由算法使用节点自我采集的GPS信息进行下一跳中继结点的选择,而节点的移动性会导致节点的实际位置在时刻改变,相对位置节点的移动方向信息比地理位置信息具有更好的稳定性.文献[1]提出的MDCE路由算法网络负载率和丢包率很高,且由于DTN网络的特殊性,难以拥有多个相邻节点.对MDCE路由算法进行分析与改进,降低中继节点数、规避消息副本向来的方向传输.仿真结果表明,改进后的MDCE路由算法的网络负载率和丢包率明显降低,实用性更强.

摘要： 深海是地球表面最后一块人类远未涉足的区域,蕴藏着丰富的资源,是人类社会谋求未来生存与发展的战略新疆域,也是当今大国竞争的焦点。然而从全球角度来看,海域广阔而资源受限,如何在广阔深邃的海洋水下环境实现如海面一般精确、快速、高效的观测,至今却是困扰科研人员的世界性难题之一。

摘要： 深度学习近年来取得了突出进展,然而,深度学习模型需要占用大量的与计算相关的资源,同时其学习过程需要大量的数据与标记,因此目前深度学习领域的一个热点是降低其对计算和数据资源的渴求,即研究资源受限的深度学习.本文首先分析深度学习对资源的渴求及其导致的挑战,然后分别从数据、标记、计算资源受限3 个方面对目前的研究进展简要描述,并以在计算机视觉领域的研究实践为例进行较详细的介绍.

摘要： 在实际应用中,许多潜在的语音识别任务都需要有多种语言的支持,但其中一些语言会面临数据资源缺乏的情况.因此,能够对非目标语言的语音数据进行利用,弥补目标语言资源受限所带来缺陷的多语言声学模型建模方法逐渐成为目前语音识别研究的一个热点和难点.本文以日语为例研究多语言声学模型建模方法,通过构建建模单元共享和模型参数共享两种不同的框架,对两种技术路线进行了分析与比较.实验结果表明,基于模型参数共享的方法取得较好效果,相较于未进行资源共享的基线系统可以获得相对26.6％的字错误率改善.

摘要： 传统的RCPSP问题中都假定任务是不可拆分的,即任务一旦开始就不允许中断.但是在实际项目中,任务被拆分是允许的.本文针对任务可拆分的项目调度问题提出了以总工期最短为目标的数学模型,并在分支定界法的基础上设计优选规则对模型进行求解.最后通过实例验证了算法在求解资源受限项目调度问题的有效性,并验证了对任务进行拆分可以很好地规避资源冲突,从而缩短项目工期.同时通过比较说明对任务进行拆分可以很好的解决资源存在的时间窗约束.

摘要： 本发明提供了一种资源长度受限的连续资源表示方法和装置，方法包括以下步骤：步骤S10，构建截去树尖的树型结构，其最底层的节点数等于可用资源总数，其层数等于资源长度受限的连续资源的最大能分配的资源数，且每层的节点数自下而上依次递减1；步骤S20，设置树型结构中最底一层节点对应着连续资源中可用的资源，各层节点对应着一组长度受限的连续资源，对应的规则是该节点对应其最底层所有子节点的资源；步骤S30，在信令中传递节点的节点号或其编码形式以表示节点所对应的一组长度受限的连续资源。本发明为长度受限的连续资源的表示提供了信令开销最小的表示方法。

摘要： 本发明提供了一种资源长度受限的连续资源表示方法和装置，方法包括以下步骤：步骤S10，构建截去树尖的树型结构，其最底层的节点数等于可用资源总数，其层数等于资源长度受限的连续资源的最大能分配的资源数，且每层的节点数自下而上依次递减1；步骤S20，设置树型结构中最底一层节点对应着连续资源中可用的资源，各层节点对应着一组长度受限的连续资源，对应的规则是该节点对应其最底层所有子节点的资源；步骤S30，在信令中传递节点的节点号或其编码形式以表示节点所对应的一组长度受限的连续资源。本发明为长度受限的连续资源的表示提供了信令开销最小的表示方法。

摘要： 一种限定受限空间的壳体，该受限空间构造成储存物品，所述物品可以通过对所述物品所暴露至的水蒸气水平进行控制来有利地保持。水蒸气转化元件可以与受限空间可操作地关联以将水蒸气分配至受限空间，液态水在水蒸气转化元件处转化成水蒸气。水传送单元与水蒸气转化元件操作性地关联并且构造成将水以液态形式传送至水蒸气转化元件。水传送单元可以包括滴注室，该滴注室构造成基本上每次一滴地传送水。壳体可以包括诸如家用冰箱之类的制冷设备中的抽屉。构造成确定存在于受限空间中的水蒸气水平的传感器可以操作成选择性地控制水蒸气向受限空间的分配。

摘要： 一种计算机实现的方法包括将包括计算机程序的包的内容加载到封装的执行中并且由一个或多个计算设备在封装的执行环境中执行所述计算机程序。所述包的内容的数据存储大小被限制超过包数据存储大小限制。所述计算机程序的执行导致处理。所述处理包括从云存储服务中获取经过训练的机器学习模型；将所述经过训练的机器学习模型加载到封装的执行环境的临时存储中；以及应用所述经过训练的机器学习模型已基于一个或多个向量输入导出一个或多个向量输出。所述经过训练的机器学习模型和所述包的内容的组合数据存储大小超过所述包数据存储大小限制。

摘要： 本发明公开了一种计算资源受限的MEC关联任务卸载方法，应用于MEC场景下受限资源设备下的关联任务卸载优化；该方法将关联任务建模为任务序列图；随后将计算卸载过程建模为马尔科夫决策过程，提出利用长短期记忆改进近端优化策略的数据记忆近端优化策略算法。实验结果表明，本方案相比于其他卸载算法可以更好的解决多个关联任务之间的卸载决策问题。

摘要： 本发明公开了一种资源受限环境下的分布式数据安全交换共享方法，本发明充分考虑了节点资源受限情况下的数据交换共享，对上链数据进行签名，保障了数据的不可抵赖性，确保了数据提供端身份的唯一性和真实性。并且在数据提取和传输过程中，不仅传送对称密码算法加密后的密文，而且采用了数据需求端公钥进行加密，保证只有正确的数据需求端才能正确解密数据，确保了数据接收方的唯一性。所以本发明能够有效提高数据交换共享的安全性，降低计算资源损耗，可适用于各种环境下的数据安全交换共享。

摘要： 本发明属于无人机管理技术领域，公开了一种资源受限条件下的无人机在线并行异常检测方法及系统，所述资源受限条件下的无人机在线并行异常检测方法包括构建异常检测训练模块，建立异常度量和异常判定模型，归一化处理无人机遥测飞行数据，并加入数据更新机制实现无人机数据在线并行异常检测。本发明通过孤立森林算法与一类支持向量机算法相结合建立无人机在线异常检测模型，通过并行化训练异常检测模型来满足异常检测的时延要求，实现无人机数据在线异常检测。本发明在资源受限的机载计算节点上并行化训练异常检测模型，加快无人机数据的处理和检测过程，自适应更新异常边界，有效对抗无人机模式切换问题，实现无人机数据的在线异常检测。

摘要： 本发明提供一种计算资源受限的糖网病辅助诊断方法及装置，采用残差神经网络模型对患者的眼底图像进行分类预测，且对残差神经网络模型进行了改进，改进了残差块以及提取了浅层特征，该模型具有很强的关系归纳偏差，因此，改进后的模型能够学习到更多的特征，更好地进行特征表达，更加糖网病辅助诊断任务，能够最终提高分类的精度。另外，本发明的模型结构简单，不需要使用模型混合、多任务训练以及度量学习等方法，因此，与现有的高精度模型相比，本实施例的模型构建快速方便，且训练过程所消耗的计算量也较小，适用于内存和计算资源受限的环境。

摘要： 本发明公开了一种资源受限条件下提高强化学习探索效率的方法，包括：步骤1，智能体通过其运行的强化学习算法的策略网络的策略选择动作去探索环境；步骤2，接受环境返回执行所述智能体动作后的新状态和相应的外在奖励；步骤3，通过资源感知方式计算智能体用于探索环境的内在奖励；步骤4，按以下总体奖励计算公式计算所述智能体的总体奖励；步骤5，根据得出的智能体的总体奖励对所述智能体的强化学习算法的策略网络进行更新；步骤6，判断智能体本轮环境探索得到的所有外在奖励的累积值是否最大化，若否，则回到步骤1重复进行处理，若是，则结束本轮环境探索。该方法能在资源受限条件下，提升智能体应用的主流强化学习方法的探索效率。

摘要： 本发明涉及一种资源受限下的行星车简化双目视觉里程定位方法：首先提取双目图像中的特征点，利用双目立体相机对的极线约束进行匹配，利用两条已知空间直线交会点测量的方法计算匹配到的点的三维坐标；其次，在运动后新拍摄的图像帧中跟踪已匹配的特征点，利用双目相机安装所在的移动设备上携带的惯性测量单元、光学敏感器和码盘的信息，增加前后帧之间的运动信息约束，即相对位置和相对姿态变化关系，在前后图像中缩小搜索区域，减少计算量的前提下获得鲁棒的前后图像匹配点，再通过立体相机对获得匹配点左右立体匹配点，从而得到对应的新的三维坐标；最后，利用行星车上携带的惯性测量单元信息，对运动估计进行降维，仅对位置进行估计。