。CC-BY 4.0 国际许可 它是根据作者/资助者提供的,他已授予 medRxiv 永久展示预印本的许可。(未经同行评审认证)
过去十年见证了网络软件化的重要发展,它彻底改变了网络实践。虚拟化网络对分散在网络中的容器化网络功能的控制和编排提出了新颖而具体的要求。在这方面,虚拟化网络功能的迁移起着关键作用,可以最好地满足最佳资源利用率、负载平衡和容错的要求。本综述旨在详细概述容器迁移的进展,以便更好地理解与迁移相关的优势与实际挑战之间的权衡。本文对将容器化网络功能映射到虚拟化基础设施上的放置算法进行了分类。接下来,提出了执行容器化微服务传输的迁移技术的分类。
摘要 - 支撑连接和自动化车辆(CAV)的通信和计算服务的特征是响应时间和可靠性方面的严格要求。满足这些要求对于确保道路安全和交通优化至关重要。在车辆中托管这些服务的概念上简单解决方案增加了成本(主要是由于计算基础架构的安装和维护),并且可能会过多地排出电池电池。可以通过多访问边缘计算(MEC)来解决此类缺点,该计算包括在靠近设备的网络节点中部署计算能力(在这种情况下为车辆),以满足严格的CAV要求。但是,在哪些条件下,MEC可以支持CAV要求和哪些服务。为了阐明这个问题,我们使用众所周知的开源仿真工具,即Omnet ++,SimU5G,静脉,INET和Sumo进行了模拟活动。因此,我们能够为MEC提供CAV的现实检查,并指出MEC中必须安装的计算能力,以支持不同的服务以及单个MEC节点可以支持的车辆数量。我们发现,根据所考虑的服务,此类参数必须有很大差异。这项研究可以作为网络运营商计划未来部署MEC来支持CAV的初步基础。索引项-5G模拟; MEC;连接和自动车辆
中国经济将在2025年面临哪些挑战,该如何应对?随着新美国政府威胁要对价值约5000亿美元进口的进口征收额外的关税,中国的投资环境正在恶化。在这些新的,更严格的条件下,中国几乎不可能使其创纪录的出口量获得。美国,加拿大和欧盟指责北京对中国进口的进口征收过多,并征收关税。中国出口商可以将重点转移到新兴市场,但这些市场没有或无法产生与北美和欧洲相同的需求水平。出口下降也会损害能源,原材料和物流服务供应商。
情感两极分化及其伴随的基于裂解的分类使气候变化和其他与科学有关的问题引起了不可思议和争议性。围绕着Covid-19时期,我们研究了在Twitter和Reddit上与气候变化和气候科学的公共活动中的跨域溢出和争议性的溢出。我们找到了有力的证据表明,周围的共证范围溢出到气候变化域中。在不同的社交媒体系统中,Covid-19内容与Climente讨论中的不可活力和争议有关。这些增加的拮抗模式对大流行事件有反应,这使科学与公共政策之间的联系更加突出。我们还表明,观察到的溢出案沿流行前的政治分裂,特别是反国际民粹主义信仰,这将气候政策反对与疫苗的犹豫联系起来。我们的发现突出了根深蒂固的跨域极化的危险,表现为拮抗行为的溢出。
摘要。边缘型人格障碍 (BPD) 是一种复杂的精神疾病。BPD 患者一生中平均有三次自杀企图,其中 10% 死于自杀。了解与自杀行为相关的风险因素对于制定有效的干预策略至关重要。近年来,用于预测精神障碍患者自杀风险的机器学习 (ML) 方法已经得到开发,但缺乏可靠的 BPD 专用工具。在这项工作中,我们开发了 DRAMA-BPD(使用机器学习方法检测边缘型人格障碍患者自杀企图的风险因素),这是一种评估 BPD 患者自杀风险的第二意见工具。DRAMA-BPD 建立在支持向量机 (SVM) 分类器之上,在 CLIMAMITHE (CLM) 数据集上进行训练,该数据集包含社会人口统计、临床、情绪评估和 MRI 数据。特征选择显示,7 个最重要的特征中有 6 个来自 MRI,并进行了全面审查以确保与现有科学文献的一致性。该分类器实现了总体曲线下面积 (AUC) 为 0.73、准确率 (P) 为 0.75、召回率 (R) 为 0.70 和 F1 得分为 0.72。在独立的 SUDMEX_CONN 数据集上进行了测试,结果为 AUC 为 0.59、P 为 0.46、R 为 0.92 和 F1 为 0.62。虽然准确率和召回率之间存在显著的不平衡,但这些结果证明了所提模型的潜在效用。
hal是一个多学科的开放访问档案,用于存款和传播科学研究文件,无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构,也可能来自公共或私人研究中心。
新加坡是在整个大英帝国发展的广泛交易路线网络中成立的。该定居点的价值在于在欧洲/印度,中国和马来群岛之间的高度战略地位,这是在这些地理子系统中运营的商品和商人最方便的十字路口,而在亚洲荷兰人与英国之间的地理政治相互作用的背景下。的确,它的位置是新加坡增长的唯一资源(Huff 1997,7)。在19世纪初期的特定贸易和地理政治模式中,地理位置的早期优势非常重要,并以自由港口地位的补充,促进了新加坡作为大英帝国和亚洲贸易的主要群体的增长。
摘要 - 行驶边缘计算(VEC)由于其为计算密集型任务提供足够的组合资源的能力而引起了近视关注。但是,如何在车辆内分配计算任务并有效地管理任务消耗的资源已成为一种挑战。为了解决这个问题,这项研究推进了使用辅助车辆(AV)进行载体任务的主张,并引入了一种新颖的辅助车辆算法(AVA)。ava既可以在车辆环境中充分利用计算资源,并同时实现任务延迟减少,能源消耗最小化以及任务完成率的增强率。此外,我们建立了一个联合学习框架,以明智地确定通过实施创造性机制的AV分配的比例。实验结果验证了我们的方法不仅可以改善关键系统性能指标,还可以确保对移动车辆的计算资源进行全面利用。