XiaoMi-AI文件搜索系统
World File Search System调度算法
集成电的数据驱动的调度方法...
摘要氢能系统的参与已被认为是缓解气候问题的有希望的方法。作为一种有效的多能互补系统，水力发电 - 伏托抗氢（HPH）系统可能是将氢与已安装的可再生能源系统相结合的理想方法，以提高能量管理的功能，以提高能量管理的功能并减少电力降低。然而，由于时间相关的非线性水力发电过程，复杂的能量转换过程和不确定的自然资源供应，HPH系统的日内调度带来了挑战。面对这些挑战，提出了改进的深层确定性政策梯度（DDPG）基于数据驱动的调度算法。与普遍的DDPG相反，两组参与者 - 批判网络是基于先验基于知识的深神经网络的正确设计，用于搜索近乎最佳的策略和近似参与者价值功能。此外，提出了定制的奖励功能，并考虑了不同能源供应之间的相互作用，这有助于提高收敛速度和稳定性。最后，案例研究结果表明，提出的系统模型和基于改进的DDPG算法的最佳能源管理策略可以指导电力 - 氢系统以实现快速响应和更合理的能源管理。
NPRO 6E平台
•Wi-Fi 6E旨在提供6GHz频谱中大规模扩展的Wi-Fi通道的访问，包括160MHz，并在2.4、5和6GHz光谱频段中同时运行。•在6GHz频谱上支持的4K QAM以达到峰值吞吐量。•高通多用户流量管理旨在提供高级调度算法和通过通用上行链路数据支持，每个频道最多37个用户支持，以及每个频道的8用户MU-MIMO支持。•高通最大用户体系结构旨在为最多2000个用户提供网络稳定性和持续的吞吐量，并基于内存配置提供灵活性。•Qualcomm®Wi-Fi Security Secute Suite提供了最全面的WPA3实现，并提供最新的嵌入式加密加速器，旨在在全部Wi-Fi数据接触点上提供安全的交易。•Qualcomm®Wi-Fi儿子是网络的基础网格套件，该网络是自我管理，自我配置，自我治愈和自我防守的网络。•10GBE WAN和LAN标准网络协议和PCIE接口的高级网络接口，用于平台扩展。
iQuantum：量子计算环境建模与仿真案例
摘要 — 当今的量子计算机主要通过云访问，未来可能会转移到边缘网络。随着全球量子计算研究的快速发展和普及，对使用基于云的量子计算资源的需求大幅增加。这种需求凸显了为量子计算设计高效且适应性强的资源管理策略和服务模型的必要性。然而，量子资源的数量、质量和可访问性有限，对量子软件和系统的实际研究构成了重大挑战。为了应对这些挑战，我们提出了 iQuantum，这是一种首创的模拟工具包，可以模拟混合量子经典计算环境，用于原型设计和评估系统设计和调度算法。本文介绍了 iQuantum 的量子计算系统模型、架构设计、概念验证实现、潜在用例和未来发展。我们提出的 iQuantum 模拟器有望促进量子软件和系统的研究，特别是在集成边缘和云资源的量子计算环境中创建和评估资源管理、作业调度和混合量子-经典任务编排的策略和算法。索引术语 — 量子计算、量子云建模、模拟、混合量子计算、作业调度
Edge Cluster升级中的延迟感知容器调度
摘要 - 在移动边缘计算（MEC）中，物联网（IoT）设备将计算密集型任务卸载到边缘节点，在容器中执行它们，从而降低了对集中式云基础架构的依赖。集群软件升级对于保持边缘群集的有效且安全的操作至关重要。但是，由于其地理分布的性质和资源限制，传统的云群集升级策略不适合边缘群集。因此，至关重要的是，在边缘群集升级期间正确安排容器以最大程度地减少对运行任务的影响。本文提出了一种延迟感知的容器调度算法，以进行有效的边缘集群升级。特别：1）我们为边缘集群升级的在线容器调度问题制定，以最大程度地减少任务延迟。2）我们提出了一种基于策略梯度的增强学习算法，该学习算法通过考虑MEC的特征，包括异质资源，图像分布和低延迟要求来解决此问题。随后，基于自我注意的位置特征提取方法旨在完全提取和利用边缘节点分布。3）基于模拟和现实数据痕迹的实验表明，与基线算法相比，我们的算法将总任务潜伏期降低了约30％。
网络性能分析的正式方法
对网络性能的抽象准确和彻底的分析具有挑战性。网络仿真和仿真只能涵盖网络可以体验到的连续发展的工作负载集的子集，为未探索的角案例和错误留出空间，这些案例和错误可能会导致实时流量的次优性能。排队理论和网络计算的技术可以在性能指标上提供严格的界限，但通常需要网络组件的行为，而流量的到达模式则可以通过简洁且行为良好的数学功能近似。因此，它们不立即适用于新兴工作负载以及用于处理它们的新算法和协议。我们探讨了一种不同的方法：使用正式方法来分析网络性能。我们表明，可以准确地对网络组件及其逻辑上的队列进行建模，并使用程序合成中的技术来自动生成简洁的可解释的工作负载，作为有关性能指标的查询的答案。我们的方法在分析网络性能的现有工具的空间中提供了一个新的观点：它比模拟和典范更详尽，并且可以轻松地应用于一阶逻辑中可表达的算法和协议。我们通过分析数据包调度算法和小叶子网络并产生可能导致吞吐量，公平性，饥饿和延迟问题来证明方法的有效性。
深度强化学习基于学习的资源自适应...
*信函作者，rexcarry036@gmail.com摘要：本文介绍了一种新的基于深度学习的资源调度算法，用于在线视频聊天。该框架解决了MCU环境中资源分配效率和服务效率的问题。设计了一个全面的系统体系结构，并结合了统一的资源池和智能调度机制。深度强化学习模型采用了一个参与者批判性的网络结构，具有定制设计的状态空间和针对视频会议工作负载优化的奖励功能。该框架使用自适应资源分配和负载平衡技术来确保异质系统中的稳定性。实验结果表明，与传统方法相比有了显着改善，响应时间减少了35.2％，资源利用率增加了28.7％，性能提高了23.5％。带宽。该系统在最多1000个用户的高负载下保持一致的性能，同时确保服务99.99％。该解决方案提供了一种灵活而有力的方法来控制云视频会议，以及在交付大规模业务方面的潜在应用。关键词：深度强化学习；云计算；视频会议；资源调度。1。简介1.1云视频会议的背景云视频会议已成为现代企业和组织的重要交流工具。云技术的快速发展将视频会议过程转变为更复杂和灵活的解决方案[1]。这些系统使用云技术在管理计算和网络使用的同时提供高质量的视频通信服务。从传统MCU（多点控制单元）系统到基于云的体系结构的演变已经引入了资源利用率和系统可扩展性的显着改善。现代云视频会议平台采用分布式资源库，将各种MCU集成到统一的逻辑系统中[2]。此体系结构通过自动备份机制实现动态资源分配和改善系统可靠性。云计算和虚拟化技术的最新进展已使专门为视频会议应用程序设计的私有云解决方案的开发。与公共云替代方案相比，这些解决方案提供了增强的安全性，更好的资源控制和改善的服务质量。云计算与视频会议的集成也有助于实施智能资源管理策略[3] [4] [5]。1.2云视频会议系统中资源管理资源管理中的挑战提出了一些关键挑战。网络条件和用户需求的动态性质需要复杂的调度算法才能保持最佳性能[6]。一个重大的挑战是在分布式池之间有效地分配了MCU资源，同时确保了最小的延迟和最大资源利用。视频会议工作的差异反映了调度的难度。传统调度系统经常不同的会议可以具有不同的视频质量，参与者的数量和网络活动。
朝着基于节能的哈希消息...
摘要 - 基于HASH的消息身份验证代码（HMAC）涉及一个秘密加密密钥和基础加密哈希功能。HMAC用于同时验证消息的完整性和真实性，进而在安全通信协议中扮演着重要角色，例如传输层安全性（TLS）。HMAC的高能量消耗是众所周知的，并且在安全性，能源征服和性能之间的权衡也是如此。先前减少HMAC能源消耗的研究主要是在系统软件级别上解决该问题（例如调度算法）。本文试图通过在HMAC的基础哈希功能上应用降低能源的算法工程技术来减少HMAC的能源消耗，以保留承诺的安全性利益。使用pyrapl（python库）来测量计算能量，我们尝试使用标准和减少HMAC的HMAC实现，以实现不同的输入大小（以字节）。我们的结果表明，HMAC的能源消耗降低了17％，同时保留了功能。由于HMAC在现有网络协议中的普遍用途，在HMAC中节省了这种能源，从总能量消耗方面推断至更轻巧的网络操作。索引条款 - HMAC，能源，安全性。
卫星观测的动态靶向，包括起伏成本和复杂的观察力*
摘要 - 最大化有限的地球观察卫星资源的实用性是一个困难的问题。动态焦油获取是应对这一挑战的一种方法，该方法智能地计划并根据LookAhead传感器的信息来计划并执行主要传感器观察。但是，当前的实现未能解释逼真的卫星操作性，并使用静态实用程序来重复观察同一目标。为了解决这些局限性，我们实施了一个更通用的动态定位框架，该框架包括基于物理的摇摆模型，一个动态模型的观察效用模型以及用于收集高维修率观测值的算法。为了展示此框架，我们还提供了复杂的Dynamic效用模型，这些模型适用于许多任务和新算法，用于智能地安排使用摆动限制和改变效用的智能观察，包括贪婪的算法和深度优先搜索算法。为了评估这些算法，我们通过两个数据集测试了它们在模拟运行中的性能，并与当今地球科学任务中大多数调度算法的算法的性能进行比较，以及一个棘手的上限。我们表明，我们的算法具有从地球科学任务中改善科学回报的巨大潜力。
多静态声纳浮标系统的多目标跟踪
使用主动声纳浮标场检测和跟踪水下目标最近引起了广泛的研究兴趣 [1]，[2]，[3]，[4]，[5]，[6]。这个问题涉及确定声纳浮标场覆盖区域内的目标数量并跟踪它们的位置。通过从单一源（声纳浮标）传输信号（“ping”）并收集附近多个接收器的反射测量值来获得目标的测量值。由于水下环境中的检测概率低，以及可用的位置测量值（通常采用极坐标）与目标状态之间的非线性关系，因此出现了困难。在 [5] 中，提出了一种 CPHDF 的迭代校正版本的高斯混合近似用于目标检测和跟踪，并基于该算法描述了一种发射机调度算法。还提出了一种使用折扣因子来考虑电池寿命约束的基本技术。本文主要关注多静态声纳浮标环境中的多目标跟踪问题。基数化概率假设密度滤波器 (CPHDF) [7] 已在多静态声纳浮标系统中用于跟踪 [1]、[3]、[5]。CPHDF 是在随机有限集 (RFS) 框架中开发的，它通过其一阶矩和基数或目标数分布来近似完整的多目标后验密度
DRACeo：一种在基于微服务的网络中部署节能方法的智能模拟器
摘要 — 如今，许多研究人员致力于寻找基于微服务的应用程序部署和调度解决方案，以节省能源而不降低功能 QoS。在这项工作中，我们提出了 DRACeo：一个模拟器，可以以简单有效的方式应对这一挑战，使其用户能够专注于微服务部署/调度算法及其硬件/软件影响（负载与能耗），而无需担心低级网络配置或操作系统问题。DRACeo 能够在具有软件和硬件异构性（CPU、带宽、RAM、电池等）的各种设备上部署和调度（移动、复制、启动/停止）微服务及其依赖关系，同时考虑各种调度启发式算法：集中式与非集中式。为此，DRACeo 允许部署基于客户端-服务器方案或 p2p 分布的自定义网络拓扑，其中设备可以（消失）出现、打开/关闭，遵循随机情况或用户策略。最后，模拟器执行相关操作，如 QoS 定义、资源监控、节省能源计算和消耗跟踪（在设备和网络级别）。我们根据之前的工作“Kaligreen”测试了一些想法，以证明 DRACeo 的有效性。索引术语 — 微服务、中间件、能源、消耗、CPU、网络、硬盘、原型、模拟器