XiaoMi-AI文件搜索系统
World File Search System用户数量
基于R语言的Disney+消费者行为分析及营销策略研究
摘要。本文探讨了 Disney+ 在竞争激烈的流媒体市场中的当前地位，强调了其快速增长以及对华特迪士尼公司和整个行业的重大影响。虽然现有研究主要集中在内容和技术在 Disney+ 成功中的关键作用，但本研究更进一步，开发了一个全面的研究框架来分析该平台的战略方针、市场细分和未来发展的潜在途径。尽管取得了成就，但自 2023 年以来，Disney+ 面临着相当大的挑战，包括主要市场订阅用户数量明显下降以及最近订阅价格上涨的负面影响。这些问题因来自其他流媒体服务的激烈竞争而加剧，因此 Disney+ 必须调整其战略。为了应对这些挑战，本文使用 R 语言通过逻辑回归预测用户流失，从而更深入地了解客户的购买行为。研究结果表明，有针对性的市场细分以及更灵活的定价策略可以有效减轻订阅用户流失并提高客户保留率。通过分析客户数据并识别潜在问题区域，这项研究提供了可行的见解，可以帮助 Disney+ 应对当前挑战并在日益饱和的市场中保持增长。
电动汽车充电基础设施设计和运营
加州的目标是到 2030 年实现 500 万辆零排放汽车 (ZEV) 上路，到 2025 年建成 25 万个电动汽车 (EV) 充电站。为了减少这一过程中的障碍，研究团队开发了一个基于模拟的电动汽车充电基础设施设计和运营系统。电动汽车市场不断增长，电力需求不断增加，需要先进的充电基础设施和运营策略。这项研究将提供充电站设计和运营的两个模块，包括汽车充电时间表和太阳能充电站的基础设施规划模块。目标是提高客户满意度，减轻电网负担，并使用最先进的全局优化技术、基于机器学习的太阳能预测和模型预测控制 (MPC) 最大限度地提高充电站的盈利能力。这项拟议的研究具有广泛的社会影响和重大的智力价值。首先，它通过增加电动汽车用户数量并减少交通运输部门对气候变化的影响来满足绿色交通的需求。其次，优化调度工具可实现电动汽车快速充电，从而提高乘客的出行效率。第三，设计的规划工具可实现配备太阳能电池板和电池储能系统 (BESS) 的充电站的优化设计，从而有利于全国交通系统的发展。
使用云计算环境中的基于身份的签名
如今，许多数据存储在云中，以共享各个域的共享目的。云数据的越来越多的安全性问题引起了保留这些存储或共享数据的机密性问题。云计算环境中的高级加密和解密技术可被认为可用于实现这一方面。但是，在云数据共享系统中尚未解决但批判性的挑战是撤销恶意用户。撤销的常见方法之一涉及定期更新用户的私钥。这种方法随着用户数量的增加而增加了关键生成中心（KGC）的工作量。在这项工作中，提出了一个有效的基于可撤销的身份签名（RIBS）方案，其中撤销功能被委派给了外部撤销服务器（ERS）。此提出的方案只允许非撤销的用户访问系统资源，从而提供受限制的访问控制。在这里，ERS基于撤销的用户列表生成了签名生成的秘密时间密钥。在提出的方法中，用户使用其私钥和秘密时间密钥来签署消息。此外，为了维持数据机密性，在将数据外包到云服务器之前，使用了基于非对称加密技术的对称加密和椭圆曲线加密（ECC）。结果表明，提出的方案通过提供降低的计算成本来优于某些现有方案。
摘要 - 生成扩散模型（GDMS），在对各种域的复杂数据分布进行建模方面取得了显着的进步。同时，D
摘要 - 生成扩散模型（GDMS），在对各种域的复杂数据分布进行建模方面取得了显着的进步。与此同时，深度加固学习（DRL）在优化Wi-Fi网络性能方面已显示出重大改进。Wi-Fi优化问题对于数学上的模型来说是高度挑战性的，DRL方法可以绕过复杂的数学建模，而GDMS在处理复杂的数据建模方面表现出色。因此，将DRL与GDM相结合可以相互增强其功能。Wi-Fi网络中当前的MAC层访问机制是分布式协调函数（DCF），它在大量端子中大大降低了性能。在这项研究中，我们提出了深层扩散确定性策略梯度（D3PG）算法，该算法将扩散模型与深层确定性策略梯度（DDPG）框架集成在一起，以优化Wi-Fi网络性能。据我们所知，这是在Wi-Fi性能优化中应用这种集成的第一项工作。我们提出了一种基于D3PG算法的共同调整争议窗口和聚合框架长度的访问机制。通过模拟，我们证明了这种机制在密集的Wi-Fi方案中显着优于现有的Wi-Fi标准，即使用户数量急剧增加，也保持了性能。
2023 年中市场报告
报告的主要亮点包括全球 ICT 行业的一些重大发展以及 2023 年上半年该国的一些发展。报告还包括对参考期内该国宏观经济环境及其对该行业的预期影响的回顾。报告还对 ICT 和邮政服务行业的一些关键影响指标进行了深入分析。正如您将在报告中注意到的那样，2023 年上半年活跃的移动网络用户总数从 2022 年 6 月底记录的 1870 万用户增长了 7.3%，达到 2010 万用户。同样，活跃的互联网用户数量从 2022 年上半年记录的 1010 万用户增加到 2023 年 6 月底报告的 1140 万用户，增长了 13.5%。国内出站通话量也从 2022 年上半年的 131 亿分钟增长 10.9% 至 145 亿分钟。因此，移动网络运营商的收入从 2022 年上半年的 36 亿赞比亚瓦增加到 2023 年上半年的 41 亿赞比亚瓦，增长率为 14.3%。为了保持该行业的正增长，政府和行业继续对 ICT 基础设施进行大量投资。特别是，该国运营的电信站点总数与 2022 年 6 月底记录的 11,960 个站点相比增加了 5.5%，达到 12,618 个站点。
基于机器学习的无线通信的自动调制识别：全面调查
摘要信息和无线通信技术的快速发展，以及最终用户数量的大幅度增加使无线电频谱比以往任何时候都更加拥挤。此外，随着电磁环境正在发展并变得越来越复杂，提供稳定且可靠的服务是具有挑战性的。因此，迫切需要更可靠和智能的通信系统，以提高频谱效率和服务质量以提供网络资源的敏捷管理，从而更好地满足未来无线用户的需求。特别是自动调制识别（AMR）在大多数智能通信系统中起着至关重要的作用，尤其是随着软件定义无线电（SDR）的出现。AMR是在认知无线电（CR）中执行频谱传感的一项必不可少的任务。多亏了深度学习（DL）应用中的显着进步，已经提供了新的和强大的工具，可以解决该领域的问题。因此，今天，将DL模型整合到AMR中已引起了许多研究人员的关注。这项工作旨在提供针对单输入单输出（SISO）和多输入多输出（MIMO）系统的最新机器学习（ML）AMR方法的全面最新审查。此外，将确定每个模型的体系结构，并在规范和性能方面进行详细的比较。最后，提供了开放问题，挑战和潜在的研究方向的概述以及讨论和结论。
低轨道、高风险 - CSIS 航空航天安全
卫星宽带服务的竞争并不新鲜。20 世纪 90 年代也曾出现过类似的商业宽带互联网热潮，但收效甚微。Teledesic、Celestri、Globalstar、Odyssey 和 Iridium 等公司都曾计划在低地球轨道上部署大型卫星通信 (SATCOM) 星座，但到 21 世纪初，这些公司几乎全部破产。2 30 年后，随着类似的雄心壮志的出现，新一代基于低地球轨道的卫星宽带会成功吗？如今，随着技术、材料和发射能力变得更便宜、更广泛，进入轨道的门槛已大大降低。随着对快速、可靠且价格合理的互联网服务的需求不断扩大，建造、发射和运营覆盖全球的低成本、低延迟系统的国际竞争非常激烈。截至 2022 年，只有一家运营商 Starlink 在公开市场上提供基于 LEO 的服务。高额资本投资和广泛的初始基础设施要求减缓了 LEO 宽带的商业化进程。然而，这种情况将会改变。卫星宽带收入在 2021 年已经增长了 1.1%，全球用户数量自上一年以来增长了 11%，达到 300 万人。3 预计到 2030 年，全球 SATCOM 市场将增长到 400 亿美元，主要由基于 LEO 的企业推动。4
低轨道，高风险
卫星宽带服务的竞争并不新鲜。20 世纪 90 年代也曾出现过类似的商业宽带互联网热潮，但收效甚微。Teledesic、Celestri、Globalstar、Odyssey 和 Iridium 等公司都曾提议在低地球轨道上建立大型卫星通信 (SATCOM) 星座，但到 21 世纪初，几乎所有公司都以破产告终。2 30 年后，随着类似的雄心壮志的出现，新一代基于低地球轨道的卫星宽带会成功吗？如今，随着技术、材料和发射能力变得更便宜、更广泛，进入轨道的门槛已大大降低。随着对快速、可靠和负担得起的互联网服务的需求不断扩大，建造、发射和运营覆盖全球的低成本、低延迟系统的国际竞争非常激烈。截至 2022 年，只有一家运营商 Starlink 在公开市场上提供基于低地球轨道的服务。高额资本投资和广泛的初始基础设施要求减缓了低地球轨道宽带的商业化进程。然而，这种情况即将改变。 2021 年卫星宽带收入已增长 1.1%，全球用户数量较上年增长 11%，达到 300 万人。3 预计到 2030 年，全球卫星通信市场将增长至 400 亿美元，主要由低地球轨道企业推动。4
数据驱动的人工智能辅助绿色网络设计和管理
由于流量需求和网络连接用户数量的增加，移动网络的能耗不断增加。为了确保移动网络的可持续性，能源效率必须成为下一代移动网络的关键设计支柱。在本文中，我们从两个角度来提高 5G 及更高网络的能源效率，即最小化网络能耗和节能网络架构设计。在本文的第一部分，我们重点关注基站 (BS) 的节能方法，基站是移动网络中能耗最高的组件。我们从移动网络运营商那里获得了一个包含网络负载信息的数据集。由于数据的时间粒度较粗，使用移动网络流量数据训练 ML 算法进行睡眠模式管理决策是一项挑战。我们提出了一种考虑到到达突发性的移动网络流量数据再生方法。我们提出了基于 ML 的算法来决定何时以及将 BS 置于睡眠状态的深度。目前关于在网络管理中使用 ML 的文献无法保证任何服务质量。为了解决这个问题，我们将基于分析模型的方法与 ML 相结合，其中前者用于网络中的风险分析。我们定义了一种新的指标来量化决策风险。我们设计了一个数字孪生，它可以模拟具有高级睡眠模式的真实 BS 的行为，以持续评估风险并监控 ML 算法的性能。仿真结果表明，与基线相比，使用所提出的方法可以获得相当大的能源节省，而延迟用户数量可以忽略不计。在论文的第二部分，我们研究并模拟了基于虚拟化云 RAN 的云原生网络架构的端到端能耗和延迟，从而形成了开放式 RAN 的基础。如今，大型电信运营商就基于混合 C-RAN 的开放式 RAN 架构达成了共识，本文将对此进行研究。从传统的分布式 RAN 架构迁移到基于混合 C-RAN 的网络架构在能耗和成本方面具有挑战性。我们从 OPEX 和 CAPEX 两个方面对迁移成本进行建模，并考虑未来流量预测对虚拟化云原生架构进行经济可行性分析。考虑到前传和光纤链路的基础设施成本，尚不清楚在什么条件下基于 C-RAN 的架构比 D-RAN 更具成本效益。我们制定了一个整数线性规划 (ILP) 优化问题，以优化设计前传，从而最小化迁移成本。我们使用商业求解器以最佳方式解决问题，并提出基于 AI 的启发式算法来处理大问题规模的可扩展性问题。处理网络能耗和延迟之间的权衡是网络设计和管理中的一个挑战性问题。在多层混合 C-RAN 架构中，我们制定了一个 ILP 问题，通过将热门内容存储在更靠近用户的边缘来优化延迟并最小化网络能耗。此外，我们研究了网络中总能耗和占用带宽之间的权衡。我们证明智能内容放置不仅可以减少延迟，还可以通过在性能指标之间找到折衷来节省能源。为了实现最小化网络能耗的类似目标，我们提出了一种端到端网络切片方法，其中逻辑网络针对特定服务进行量身定制。根据文献，端到端网络切片针对
优化移动边缘智能系统中的 AI 服务布局和资源分配
摘要 — 利用移动边缘计算 (MEC) 的最新进展，边缘智能已成为支持网络边缘移动人工智能 (AI) 应用的有前途的范例。在本文中，我们考虑了多用户 MEC 系统中的 AI 服务放置问题，其中接入点 (AP) 将最新的 AI 程序放置在用户设备上以在用户端启用本地计算/任务执行。为了充分利用严格的无线频谱和边缘计算资源，仅当在用户处启用本地计算可获得更好的系统性能时，AP 才会将 AI 服务程序发送给用户。我们制定了一个混合整数非线性规划 (MINLP) 问题，通过联合优化服务放置（即哪些用户接收程序）和资源分配（在本地 CPU 频率、上行链路带宽和边缘 CPU 频率上），以最小化所有用户的总计算时间和能耗。为了解决 MINLP 问题，我们推导出解析表达式来以低复杂度计算最佳资源分配决策。这样，我们可以通过基于搜索的算法（例如元启发式或贪婪搜索算法）有效地获得最佳服务放置解决方案。为了提高算法在大型网络中的可扩展性，我们进一步提出了一种基于 ADMM（交替方向乘数法）的方法，将优化问题分解为可并行处理的 MINLP 子问题。ADMM 方法消除了在高维空间中搜索服务放置决策的需要，因此具有较低的计算复杂度，并且随着用户数量的增加而线性增长。仿真结果表明，所提出的算法的性能非常接近最优值，并且明显优于其他代表性基准算法。