The alpha stable self-similar stochastic process has been proved an effective model for high variable data traffic. A deep insight into some special issues and considerations on use of the process to model aggregated ...The alpha stable self-similar stochastic process has been proved an effective model for high variable data traffic. A deep insight into some special issues and considerations on use of the process to model aggregated VBR video traffic is made. Different methods to estimate stability parameter a and self-similar parameter H are compared. Processes to generate the linear fractional stable noise （LFSN） and the alpha stable random variables are provided. Model construction and the quantitative comparisons with fractional Brown motion （FBM） and real traffic are also examined. Open problems and future directions are also given with thoughtful discussions.展开更多
阿尔茨海默病(Alzheimer’s Disease,AD)是一种慢性神经系统退行性疾病,其准确分类有助于实现AD的早期诊断,从而及时采取针对性的治疗和干预措施.本文提出了一种最近邻域聚合图神经网络(Graph neural network with nearest Neighborhood...阿尔茨海默病(Alzheimer’s Disease,AD)是一种慢性神经系统退行性疾病,其准确分类有助于实现AD的早期诊断,从而及时采取针对性的治疗和干预措施.本文提出了一种最近邻域聚合图神经网络(Graph neural network with nearest Neighborhood AgGrEgation,GraphNAGE)的AD分类新方法.首先进行图数据建模,将AD数据样本表示为图数据.采用基于互信息(Mutual Information,MI)的特征选择方法,从样本的114维大脑皮层与皮层下感兴趣区域(Cerebral Cortex and Subcortical Regions Of Interest,CCS-ROI)的体积特征中选取重要性高的体积特征,并将其用于节点建模.提出基于相似性度量的关系建模方法,利用重要性高的体积特征、遗传基因、人口统计信息和认知评分对样本之间的关系进行建模.进而构建GraphNAGE,针对每个节点,基于与该节点相关的边的权重进行最近邻域采样,然后使用均值聚合方法对采样得到的邻居节点和中心节点的数据进行聚合,最后通过一个全连接层和一个Softmax层实现AD分类.在TADPOLE(The Alzheimer’s Disease Prediction Of Longitudinal Evolution)数据集上进行实验,结果表明:本文提出的AD分类方法的准确率(ACCuracy,ACC)为98.20%,F_(1)分数为97.34%,曲线下面积(Area Under Curve,AUC)为97.80%.实验结果表明:本文提出的AD分类方法充分利用了AD数据样本之间的相关性,其性能优于传统的基于机器学习、深度学习和图神经网络(Graph Neural Network,GNN)的AD分类方法.展开更多
为解决区域综合能源系统中多主体利益冲突、用户侧分布式储能投资成本高昂、容量利用不均以及碳排放量较高等问题,提出一种基于云储能服务商-综合能源系统运行商(integrated energy system operators,IESO)-负荷聚合商(load aggregators...为解决区域综合能源系统中多主体利益冲突、用户侧分布式储能投资成本高昂、容量利用不均以及碳排放量较高等问题,提出一种基于云储能服务商-综合能源系统运行商(integrated energy system operators,IESO)-负荷聚合商(load aggregators,LA)联盟三层博弈的区域综合能源系统低碳运行策略。首先,构建租赁云储能的IESO与LA的能源交易框架。其次,考虑到多个理性主体对盈利最大化的诉求,建立综合能源系统三层博弈模型。第一层为以IESO为主导者、LA联盟为伴随者的主从博弈;第二层为以云储能服务商为供给者、IESO为接收者的主从博弈;第三层是LA联盟成员之间的合作博弈,并采取非对称纳什议价法分配收益。最后,利用二分法、KKT条件结合交替方向乘子法(alternating direction multiplier method,ADMM)对该模型进行求解。仿真结果表明,该策略不仅能够促进系统低碳运行,而且能够满足各主体的经济性需求。展开更多
传统联邦学习中经过加权聚合得到的全局模型无法应对跨客户端的数据异构的问题。现有研究通过形成个性化模型应对,但个性化模型如何平衡全局的共性信息和本地的个性信息是一个挑战。针对上述问题,提出了一种个性化联邦学习模型聚合框架F...传统联邦学习中经过加权聚合得到的全局模型无法应对跨客户端的数据异构的问题。现有研究通过形成个性化模型应对,但个性化模型如何平衡全局的共性信息和本地的个性信息是一个挑战。针对上述问题,提出了一种个性化联邦学习模型聚合框架FedPG(federated learning with personalized global model)。FedPG基于客户端模型的相似性,将归一化后的模型参数变化量的余弦相似度作为模型聚合的个性化权重,从而实现面向客户端的全局模型个性化聚合。通过引入平滑系数,该框架可以灵活地调整模型中共性信息和个性信息的比重。为了降低平滑系数的选择成本,进一步提出调度平滑系数的个性化联邦学习模型聚合框架FedPGS(federated learning with personalized global model and scheduled personalization)。在实验中,FedPG和FedPGS两个框架使得FedAvg、FedProto、FedProx算法在特征分布偏移的数据集上的准确率平均提升1.20~11.50百分点,且使得模型的准确率受恶意设备的影响更小。结果表明,FedPG和FedPGS框架在数据异构和存在恶意设备干扰的情况下能有效提升模型的准确率和鲁棒性。展开更多
为研究早龄期混凝土劈裂抗拉性能,基于ABAQUS软件平台使用Python脚本语言进行二次开发,建立粗骨料体积分数为35%的三维细观混凝土模型,在砂浆单元界面和砂浆-骨料界面过渡区(ITZ)嵌入三维零厚度内聚力单元,分别对4、5、6 mm 3种网格尺...为研究早龄期混凝土劈裂抗拉性能,基于ABAQUS软件平台使用Python脚本语言进行二次开发,建立粗骨料体积分数为35%的三维细观混凝土模型,在砂浆单元界面和砂浆-骨料界面过渡区(ITZ)嵌入三维零厚度内聚力单元,分别对4、5、6 mm 3种网格尺寸以及不同龄期的混凝土圆柱体进行劈裂抗拉数值模拟。结果表明:三维随机多面体骨料细观混凝土模型与内聚力单元相结合适用于早龄期混凝土圆柱体劈裂抗拉的破坏模拟,可以真实地展现出实际骨料的几何形状和空间分布,并能预测混凝土的力学性能和破坏状态,具有很高的可视化程度;3种不同网格尺寸对劈裂抗拉强度影响较小,但对荷载-位移曲线下降段有一定的影响;混凝土劈裂抗拉强度公式计算值、拉应力平均值和试验值之间的误差均在1 d时最大,最大误差分别为17.65%和16.18%,在其余龄期的误差均小于5%,验证了模型的适用性和可靠性;不同龄期模型的破坏过程以及最终破坏状态相似,微裂缝在ITZ处萌生并发展,局部区域混凝土出现压碎的现象,最终形成贯穿混凝土圆柱体横截面的竖向主裂缝。展开更多
文摘The alpha stable self-similar stochastic process has been proved an effective model for high variable data traffic. A deep insight into some special issues and considerations on use of the process to model aggregated VBR video traffic is made. Different methods to estimate stability parameter a and self-similar parameter H are compared. Processes to generate the linear fractional stable noise （LFSN） and the alpha stable random variables are provided. Model construction and the quantitative comparisons with fractional Brown motion （FBM） and real traffic are also examined. Open problems and future directions are also given with thoughtful discussions.
文摘阿尔茨海默病(Alzheimer’s Disease,AD)是一种慢性神经系统退行性疾病,其准确分类有助于实现AD的早期诊断,从而及时采取针对性的治疗和干预措施.本文提出了一种最近邻域聚合图神经网络(Graph neural network with nearest Neighborhood AgGrEgation,GraphNAGE)的AD分类新方法.首先进行图数据建模,将AD数据样本表示为图数据.采用基于互信息(Mutual Information,MI)的特征选择方法,从样本的114维大脑皮层与皮层下感兴趣区域(Cerebral Cortex and Subcortical Regions Of Interest,CCS-ROI)的体积特征中选取重要性高的体积特征,并将其用于节点建模.提出基于相似性度量的关系建模方法,利用重要性高的体积特征、遗传基因、人口统计信息和认知评分对样本之间的关系进行建模.进而构建GraphNAGE,针对每个节点,基于与该节点相关的边的权重进行最近邻域采样,然后使用均值聚合方法对采样得到的邻居节点和中心节点的数据进行聚合,最后通过一个全连接层和一个Softmax层实现AD分类.在TADPOLE(The Alzheimer’s Disease Prediction Of Longitudinal Evolution)数据集上进行实验,结果表明:本文提出的AD分类方法的准确率(ACCuracy,ACC)为98.20%,F_(1)分数为97.34%,曲线下面积(Area Under Curve,AUC)为97.80%.实验结果表明:本文提出的AD分类方法充分利用了AD数据样本之间的相关性,其性能优于传统的基于机器学习、深度学习和图神经网络(Graph Neural Network,GNN)的AD分类方法.
文摘为解决区域综合能源系统中多主体利益冲突、用户侧分布式储能投资成本高昂、容量利用不均以及碳排放量较高等问题,提出一种基于云储能服务商-综合能源系统运行商(integrated energy system operators,IESO)-负荷聚合商(load aggregators,LA)联盟三层博弈的区域综合能源系统低碳运行策略。首先,构建租赁云储能的IESO与LA的能源交易框架。其次,考虑到多个理性主体对盈利最大化的诉求,建立综合能源系统三层博弈模型。第一层为以IESO为主导者、LA联盟为伴随者的主从博弈;第二层为以云储能服务商为供给者、IESO为接收者的主从博弈;第三层是LA联盟成员之间的合作博弈,并采取非对称纳什议价法分配收益。最后,利用二分法、KKT条件结合交替方向乘子法(alternating direction multiplier method,ADMM)对该模型进行求解。仿真结果表明,该策略不仅能够促进系统低碳运行,而且能够满足各主体的经济性需求。
文摘传统联邦学习中经过加权聚合得到的全局模型无法应对跨客户端的数据异构的问题。现有研究通过形成个性化模型应对,但个性化模型如何平衡全局的共性信息和本地的个性信息是一个挑战。针对上述问题,提出了一种个性化联邦学习模型聚合框架FedPG(federated learning with personalized global model)。FedPG基于客户端模型的相似性,将归一化后的模型参数变化量的余弦相似度作为模型聚合的个性化权重,从而实现面向客户端的全局模型个性化聚合。通过引入平滑系数,该框架可以灵活地调整模型中共性信息和个性信息的比重。为了降低平滑系数的选择成本,进一步提出调度平滑系数的个性化联邦学习模型聚合框架FedPGS(federated learning with personalized global model and scheduled personalization)。在实验中,FedPG和FedPGS两个框架使得FedAvg、FedProto、FedProx算法在特征分布偏移的数据集上的准确率平均提升1.20~11.50百分点,且使得模型的准确率受恶意设备的影响更小。结果表明,FedPG和FedPGS框架在数据异构和存在恶意设备干扰的情况下能有效提升模型的准确率和鲁棒性。
文摘为研究早龄期混凝土劈裂抗拉性能,基于ABAQUS软件平台使用Python脚本语言进行二次开发,建立粗骨料体积分数为35%的三维细观混凝土模型,在砂浆单元界面和砂浆-骨料界面过渡区(ITZ)嵌入三维零厚度内聚力单元,分别对4、5、6 mm 3种网格尺寸以及不同龄期的混凝土圆柱体进行劈裂抗拉数值模拟。结果表明:三维随机多面体骨料细观混凝土模型与内聚力单元相结合适用于早龄期混凝土圆柱体劈裂抗拉的破坏模拟,可以真实地展现出实际骨料的几何形状和空间分布,并能预测混凝土的力学性能和破坏状态,具有很高的可视化程度;3种不同网格尺寸对劈裂抗拉强度影响较小,但对荷载-位移曲线下降段有一定的影响;混凝土劈裂抗拉强度公式计算值、拉应力平均值和试验值之间的误差均在1 d时最大,最大误差分别为17.65%和16.18%,在其余龄期的误差均小于5%,验证了模型的适用性和可靠性;不同龄期模型的破坏过程以及最终破坏状态相似,微裂缝在ITZ处萌生并发展,局部区域混凝土出现压碎的现象,最终形成贯穿混凝土圆柱体横截面的竖向主裂缝。
