The piecewise linear recursive convolution （PLRC） finite-different time-domain （FDTD） method greatly improves accuracy over the original recursive convolution （RC） FDTD approach but retains its speed and efficie...The piecewise linear recursive convolution （PLRC） finite-different time-domain （FDTD） method greatly improves accuracy over the original recursive convolution （RC） FDTD approach but retains its speed and efficiency advantages. A PLRC-FDTD formulation for magnetized plasma which incorporates both anisotropy and frequency dispersion at the same time is presented, enabled the transient analysis of magnetized plasma media. The technique is illustrated by numerical simulations the reflection and transmission coefficients through a magnetized plasma layer. The results show that the PLRC-FDTD method has significantly improved the accuracy over the original RC method.展开更多
采用分段线性电流密度递归卷积(P iecew ise L inear C u rren t D en sity R ecu rsive C onvo lu tion)方法将交替方向隐式时域有限差分方法(AD I-FDTD)推广应用于色散介质—等离子体中,得到了二维情况下等离子体中的迭代差分公式,为...采用分段线性电流密度递归卷积(P iecew ise L inear C u rren t D en sity R ecu rsive C onvo lu tion)方法将交替方向隐式时域有限差分方法(AD I-FDTD)推广应用于色散介质—等离子体中,得到了二维情况下等离子体中的迭代差分公式,为了验证该方法的有效性和可靠性,计算了等离子体涂敷导体圆柱的RC S和非均匀等离子体平板的反射系数,数据仿真结果表明,此算法与传统的FDTD相比,在计算结果吻合的情况下,存储量相当,计算效率更高,时间步长仅仅由计算精度来决定.展开更多
针对SDN流量工程中流量预测基于静态时空依赖的问题,提出了一种基于注意力机制的图卷积神经网络(GCN)与门控递归单元(GRU)集成的动态网络流量预测方法——AGCNGRU(attention mechanism for GCNGRU model)。借助GCN捕获网络中节点之间的...针对SDN流量工程中流量预测基于静态时空依赖的问题,提出了一种基于注意力机制的图卷积神经网络(GCN)与门控递归单元(GRU)集成的动态网络流量预测方法——AGCNGRU(attention mechanism for GCNGRU model)。借助GCN捕获网络中节点之间的流量空间依赖性和GRU捕获流量经过网络中各节点的时间依赖性,通过时间注意力机制设计每个隐藏状态的权重,以调整时间点流量信息的重要性,同时通过数据驱动空间注意力机制动态自适应调整Laplace矩阵,实现动态提取网络信息数据时空相关性,最终完成动态流量精准预测。在GEANT的数据集上的实验表明,所提出的方法在均方误差方面比GCNGRU减少24.8%,比GRU减少66.4%,并通过与传统路由算法OSPF、DDPG算法比较,在90%的流量负载强度下,网络性能比OSPF提升了24%,比DDPG提升了8.1%,进一步说明了AGCNGRU算法网络流量准确预测带来的时效性和有效性。展开更多
基金The project was supported by the National Natural Science Foundation of China (60471002) and the Jiangxi ProvincialNatural Science Foundation (0412014)
文摘The piecewise linear recursive convolution （PLRC） finite-different time-domain （FDTD） method greatly improves accuracy over the original recursive convolution （RC） FDTD approach but retains its speed and efficiency advantages. A PLRC-FDTD formulation for magnetized plasma which incorporates both anisotropy and frequency dispersion at the same time is presented, enabled the transient analysis of magnetized plasma media. The technique is illustrated by numerical simulations the reflection and transmission coefficients through a magnetized plasma layer. The results show that the PLRC-FDTD method has significantly improved the accuracy over the original RC method.
文摘采用分段线性电流密度递归卷积(P iecew ise L inear C u rren t D en sity R ecu rsive C onvo lu tion)方法将交替方向隐式时域有限差分方法(AD I-FDTD)推广应用于色散介质—等离子体中,得到了二维情况下等离子体中的迭代差分公式,为了验证该方法的有效性和可靠性,计算了等离子体涂敷导体圆柱的RC S和非均匀等离子体平板的反射系数,数据仿真结果表明,此算法与传统的FDTD相比,在计算结果吻合的情况下,存储量相当,计算效率更高,时间步长仅仅由计算精度来决定.
文摘针对SDN流量工程中流量预测基于静态时空依赖的问题,提出了一种基于注意力机制的图卷积神经网络(GCN)与门控递归单元(GRU)集成的动态网络流量预测方法——AGCNGRU(attention mechanism for GCNGRU model)。借助GCN捕获网络中节点之间的流量空间依赖性和GRU捕获流量经过网络中各节点的时间依赖性,通过时间注意力机制设计每个隐藏状态的权重,以调整时间点流量信息的重要性,同时通过数据驱动空间注意力机制动态自适应调整Laplace矩阵,实现动态提取网络信息数据时空相关性,最终完成动态流量精准预测。在GEANT的数据集上的实验表明,所提出的方法在均方误差方面比GCNGRU减少24.8%,比GRU减少66.4%,并通过与传统路由算法OSPF、DDPG算法比较,在90%的流量负载强度下,网络性能比OSPF提升了24%,比DDPG提升了8.1%,进一步说明了AGCNGRU算法网络流量准确预测带来的时效性和有效性。
