XiaoMi-AI文件搜索系统
World File Search System卸载
人工智能赋能无人机数据卸载...
摘要 — 无人机 (UAV) 带来的进步是多方面的，为无人机作为智能对象全面融入物联网 (IoT) 铺平了道路。本文采用博弈论和强化学习的原理和概念，将人工智能引入多服务器移动边缘计算 (MEC) 环境中的无人机数据卸载过程。首先，基于随机学习自动机理论，无人机自主选择 MEC 服务器进行部分数据卸载。然后制定无人机之间的非合作博弈来确定要将无人机的数据卸载到选定的 MEC 服务器，同时通过利用子模博弈的力量证明至少存在一个纳什均衡 (NE)。介绍了一种最佳响应动力学框架和两种收敛到 NE 的替代强化学习算法，并讨论了它们的权衡。通过建模和仿真，在不同操作方法和场景下，就其效率和有效性进行整体框架性能评估。索引术语 — 无人机数据卸载、移动边缘计算、强化学习、博弈论
通过运营商自有 WiFi 接入点卸载移动数据的激励机制
由于移动数据流量的爆炸式增长，移动网络运营商（MNO，也称为运营商或承运商）通过移动数据卸载同时利用蜂窝和 WiFi 资源已成为一种普遍做法。然而，现有的卸载技术主要建立在运营商和第三方 WiFi 资源之间，无法反映用户的动态流量需求。因此，MNO 必须设计一个有效的激励框架，鼓励用户披露其对资源的估价。在本文中，我们提出了一种新颖的基于出价的异构资源分配（HRA）框架。它可以使运营商同时有效地利用蜂窝和运营商自己的 WiFi 资源，其中用户的决策成本受到严格控制。通过基于拍卖的机制，它可以在了解用户估价的情况下实现动态卸载。而算子域卸载则有效避免了由于用户自私和信息缺失带来的无政府状态。更具体地说，我们提出了HRA-Profit和HRA-Utility，以分别实现最大的利润和社会效用。此外，基于随机多臂老虎机模型，新提出的HRA-UCB-Profit和HRA-UCB-Utility能够在不完全用户上下文信息下获得接近最优的利润和社会效用。所有的机制都被证明是真实的并且满足个体理性，而我们机制所实现的利润与最优利润在有限的范围内。此外，基于跟踪的模拟和评估表明，与基准相比，HRA-Profit和HRA-Utility分别将利润和社会效用提高了40%和47%。并且在所提出的机制下，蜂窝利用率保持在有利水平。 HRA-UCB-Profit 和 HRA-UCB-Utility 将伪后悔率限制在 20% 以下。
硬盘驱动器中的斜坡加载/卸载技术
加载/卸载技术是在 20 世纪 90 年代中期发现的，是接触式启停 (CSS) 的可行替代方案，在接触式启停 (CSS) 中，承载硬盘驱动器读/写磁头的滑块在断电时落在磁盘介质上，并一直停留在磁盘上直到通电周期。尽管一些供应商仍在非移动平台驱动器中使用 CSS，但 CSS 具有固有的局限性，加载/卸载技术可以解决这些局限性。HGST 是第一家实施加载/卸载技术的硬盘驱动器制造商，并发现早期大型硬盘驱动器采用该技术后，其耐磨性优势值得进一步研究和开发。这些活动促进了加载/卸载机制的改进，并导致了硬盘设计其他领域的创新。当今的加载/卸载实施依赖于斜坡机制，该机制提供了许多好处，包括更高的耐用性、更高效的电源利用率和卓越的抗冲击性。