5G中的SDN-NFV和云計(jì)算.pdf摘 要 通過(guò)介紹廣義的SDN/NFV和云計(jì)算，結(jié)合未來(lái)5G網(wǎng)絡(luò)的特點(diǎn)，分析了5G中上述技術(shù)的 應(yīng)用前景和技術(shù)定位；結(jié)合5G的網(wǎng)絡(luò)特點(diǎn)和現(xiàn)有網(wǎng)絡(luò)的部署情況，總結(jié)了各技術(shù)間的邏輯關(guān)系以及運(yùn) 營(yíng)商的側(cè)重點(diǎn)。引言 SDN/NFV 和云計(jì)算都是起源于 IT 領(lǐng)域的技術(shù)。 如今，云計(jì)算已經(jīng)非常成熟，在 IT 領(lǐng)域已經(jīng)大規(guī)模商 用，SDN技術(shù)作為新興的轉(zhuǎn)發(fā)技術(shù)，也已經(jīng)被谷歌等互 聯(lián)網(wǎng)巨頭部署在多個(gè)數(shù)據(jù)中心。隨著虛 擬化技術(shù)的發(fā)展，人們?cè)噲D將更多的專(zhuān)有 設(shè)備虛擬化和軟件化，從而達(dá)到降低成本 和靈活部署的目的，于是 NFV 的概念誕 生了。本文將結(jié)合廣義上 3 種技術(shù)本身 的特點(diǎn)和未來(lái)5G的網(wǎng)絡(luò)能力要求，分析 各技術(shù)在5G架構(gòu)中的技術(shù)定位和前景， 同時(shí)結(jié)合實(shí)際的發(fā)展情況，總結(jié)未來(lái)運(yùn)營(yíng) 商在技術(shù)研發(fā)和業(yè)務(wù)模式上的側(cè)重點(diǎn)。 1.1 廣義的SDN及標(biāo)準(zhǔn)化進(jìn)程 ONF 在 2012 年 4 月 發(fā) 布 白 皮 書(shū) 《Software- Defined Networking: The New Norm for Networks》
標(biāo)簽： 5G
上傳時(shí)間： 2022-02-25
上傳用戶：jason_vip1
摘要：無(wú)線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks，wSN是由許多具有低功率無(wú)線收發(fā)裝置的傳感器節(jié)點(diǎn)組成，它們監(jiān)測(cè)采集周邊環(huán)境信息并傳送到基站進(jìn)行處理在某一時(shí)刻通過(guò)wSN采集的數(shù)據(jù)量非常大，如何正確、高效地處理這些數(shù)據(jù)成為當(dāng)前WSN研究中的一個(gè)熱點(diǎn)。傳感器節(jié)點(diǎn)一般部署在惡劣環(huán)境中，一些偶然因素會(huì)使采集的數(shù)據(jù)中出現(xiàn)不準(zhǔn)確的數(shù)據(jù)，用戶依據(jù)這樣的數(shù)據(jù)很難準(zhǔn)確判斷出被測(cè)對(duì)象的真實(shí)狀態(tài)。基于模糊理論的決策級(jí)數(shù)據(jù)融合算法能夠很好的解決這個(gè)問(wèn)題本文以國(guó)家863研究項(xiàng)目《基于無(wú)線傳感器網(wǎng)絡(luò)的鐵路危險(xiǎn)貨物在途安全狀態(tài)監(jiān)測(cè)技術(shù)研究》為背景，結(jié)合鐵路運(yùn)輸中棉花在途狀態(tài)監(jiān)測(cè)系統(tǒng)的開(kāi)發(fā)，在分析了當(dāng)前有效的決策級(jí)數(shù)據(jù)融合技術(shù)基礎(chǔ)上，提出了基于模糊理論的決策級(jí)數(shù)據(jù)融合算法，該算法通過(guò)對(duì)采集數(shù)據(jù)進(jìn)行處理和分析，以獲得準(zhǔn)確的被測(cè)對(duì)象狀態(tài)的描述。本文的主要工作包括：（1）分析了WSN中傳統(tǒng)的決策級(jí)數(shù)據(jù)融合算法，如自適應(yīng)加權(quán)數(shù)據(jù)融合算法和算術(shù)平均數(shù)數(shù)據(jù)融合算法，總結(jié)這兩種算法的優(yōu)缺點(diǎn)和檢測(cè)系統(tǒng)的需求，進(jìn)步明確理想算法應(yīng)達(dá)到的目標(biāo)。（2）提出了基于模糊理論的兩階段數(shù)據(jù)融合算法：該算法第一階段利用基于貼近度的數(shù)據(jù)融合算法進(jìn)行同類(lèi)數(shù)據(jù)的融合校準(zhǔn)，這一階段的目的是剔除錯(cuò)誤的和可信度較差的數(shù)據(jù)，得到相對(duì)更加準(zhǔn)確的數(shù)據(jù)，第二階段利用模糊推理對(duì)第個(gè)階段得到的異類(lèi)數(shù)據(jù)進(jìn)行融合推理，得到被測(cè)對(duì)象當(dāng)前狀態(tài)的描述，為決策提供支持（3）結(jié)合實(shí)測(cè)數(shù)據(jù)仿真本文所提出的算法，結(jié)果證明與傳統(tǒng)的融合算法相比，可以更加準(zhǔn)確的描述被測(cè)對(duì)象狀態(tài)
標(biāo)簽： 無(wú)線傳感器
上傳時(shí)間： 2022-03-17
上傳用戶：
隨著人類(lèi)社會(huì)的進(jìn)步，科學(xué)技術(shù)的發(fā)展日新月異，模擬人腦神經(jīng)網(wǎng)絡(luò)的人工神經(jīng)網(wǎng)絡(luò)已取得了長(zhǎng)足的發(fā)展。經(jīng)過(guò)半個(gè)多世紀(jì)的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)科學(xué)，人工智能，智能控制等方面得到了廣泛的應(yīng)用。當(dāng)代社會(huì)是一個(gè)講究效率的社會(huì)，科技更新領(lǐng)域也是如此。在人工神經(jīng)網(wǎng)絡(luò)研究領(lǐng)域，算法的優(yōu)化顯得尤為重要，對(duì)提高網(wǎng)絡(luò)整體性能舉足輕重.BP神經(jīng)網(wǎng)絡(luò)模型是目前應(yīng)用最為廣泛的一種神經(jīng)網(wǎng)絡(luò)模型，對(duì)于解決非線性復(fù)雜問(wèn)題具有重要的意義。但是BP神經(jīng)網(wǎng)絡(luò)有其自身的一些不足（收斂速度慢和容易陷入局部極小值問(wèn)題），在解決某些現(xiàn)實(shí)問(wèn)題的時(shí)候顯得力不從心。針對(duì)這個(gè)問(wèn)題，本文利用遺傳算法的并行全局搜索的優(yōu)勢(shì)，能夠彌補(bǔ)BP網(wǎng)絡(luò)的不足，為解決大規(guī)模復(fù)雜問(wèn)題提供了廣闊的前景。本文將遺傳算法與BP網(wǎng)絡(luò)有機(jī)地結(jié)合起來(lái)，提出了一種新的網(wǎng)絡(luò)結(jié)構(gòu)，在穩(wěn)定性、學(xué)習(xí)性和效率方面都有了很大的提高。基于以上的研究目的，本文首先設(shè)計(jì)了BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，在此基礎(chǔ)上，應(yīng)用遺傳算法進(jìn)行優(yōu)化，達(dá)到了加快收斂速度和全局尋優(yōu)的效果。本文借助MATLAB平臺(tái)，對(duì)算法的優(yōu)化內(nèi)容進(jìn)行了仿真實(shí)驗(yàn)，得出的效果也符合期望值，實(shí)現(xiàn)了對(duì)BP算法優(yōu)化的目的。關(guān)鍵詞：生物神經(jīng)網(wǎng)絡(luò)：人工神經(jīng)網(wǎng)絡(luò)；BP網(wǎng)絡(luò)；遺傳算法；仿真隨著電子計(jì)算機(jī)的問(wèn)世及發(fā)展，人們?cè)噲D去了解人的大腦，進(jìn)而構(gòu)造具有人類(lèi)思維的智能計(jì)算機(jī)。在具有人腦邏輯推理延伸能力的計(jì)算機(jī)戰(zhàn)勝人類(lèi)棋手的同時(shí)，引發(fā)了人們對(duì)模擬人腦信息處理的人工神經(jīng)網(wǎng)絡(luò)的研究。1.1研究背景人工神經(jīng)網(wǎng)絡(luò)（Artificial Noural Networks，ANN）（注：簡(jiǎn)稱為神經(jīng)網(wǎng)絡(luò)），是一種數(shù)學(xué)算法模型，能夠?qū)π畔⑦M(jìn)行分布式處理，它模仿了動(dòng)物的神經(jīng)網(wǎng)絡(luò)，是對(duì)動(dòng)物神經(jīng)網(wǎng)絡(luò)的一種具體描述。這種網(wǎng)絡(luò)依賴系統(tǒng)的復(fù)雜程度，通過(guò)調(diào)節(jié)內(nèi)部大量節(jié)點(diǎn)之間的關(guān)系，最終實(shí)現(xiàn)信息處理的目的。人工神經(jīng)網(wǎng)絡(luò)可以通過(guò)對(duì)輸入輸出數(shù)據(jù)的分析學(xué)習(xí)，掌握輸入與輸出之間的潛在規(guī)則，能夠?qū)π聰?shù)據(jù)進(jìn)行分析計(jì)算，推算出輸出結(jié)果，因?yàn)槿斯ど窠?jīng)網(wǎng)絡(luò)具有自適應(yīng)和自學(xué)習(xí)的特性，這種學(xué)習(xí)適應(yīng)的過(guò)程被稱為“訓(xùn)練"。
標(biāo)簽： 遺傳算法 bp神經(jīng)網(wǎng)絡(luò) matlab
上傳時(shí)間： 2022-06-16
上傳用戶：jiabin
Mathematical modeling has become an important part of the research and devclopment work in engineering and scicnce. Retaining a competitive edge requiresa fast path between ideas and prototypes, and in this regard mathematical modeling and simulation provide a valuable shortcut for understanding both qualitative and quantitative aspects of scientific and engineering design. To assist you in gaining this edge, COMSOL Multiphysics offers state-of-the art performance, being built from the ground up with a Java3D interface and C/C++ solvers.The Acoustics Module is an optional package that extends the COMSOL Multiphysicsmodcling cnvironment with customized user interfaces and functionality optimizcd for the analysis of acoustics. Like all modules in the COMSOL family, it provides a brary of prewritten ready-to-run models that make it quicker and casier to analyze disciplinc-specific problcms.
上傳時(shí)間： 2022-06-19
上傳用戶：
成功的RF設(shè)計(jì)必須仔細(xì)注意整個(gè)設(shè)計(jì)過(guò)程中每個(gè)步驟及每個(gè)細(xì)節(jié)，這意味著必須在設(shè)計(jì)開(kāi)始階段就要進(jìn)行徹底的，仔細(xì)的規(guī)劃，并對(duì)每個(gè)設(shè)計(jì)步驟的進(jìn)展進(jìn)行全面持續(xù)的評(píng)估，而這種細(xì)致的設(shè)計(jì)技巧正是國(guó)內(nèi)大多數(shù)電子企業(yè)文化所欠缺的近幾年來(lái)，由于藍(lán)芽設(shè)備、無(wú)線局域網(wǎng)絡(luò)（WLAN）設(shè)備，和行動(dòng)電話的需求與成長(zhǎng)，促使業(yè)者越來(lái)越關(guān)注RF電路設(shè)計(jì)的技巧。從過(guò)去到現(xiàn)在，RF電路板設(shè)計(jì)如同電磁干擾（EM）問(wèn)題一樣，一直是工程師們最難掌控的部份，甚至是夢(mèng)魔。若想要一次就設(shè)計(jì)成功，必須事先仔細(xì)規(guī)劃和注重細(xì)節(jié)才能奏效。射頻（RF）電路板設(shè)計(jì)由于在理論上還有很多不確定性，因此常被形容為一種L黑色藝術(shù)」（black art）。但這只是一種以偏蓋全的觀點(diǎn)，RF電路板設(shè)計(jì)還是有許多可以遵循的法則。不過(guò)，在實(shí)際設(shè)計(jì)時(shí)，真正實(shí)用的技巧是當(dāng)這些法則因各種限制而無(wú)法實(shí)施時(shí)，如何對(duì)它們進(jìn)行折衷處理，重要的RF設(shè)計(jì)課題包括：阻抗和阻抗匹配、絕緣層材料和層迭板、波長(zhǎng)和諧波.等，本文將集中探討與RF電路板分區(qū)設(shè)計(jì)有關(guān)的各種問(wèn)題
上傳時(shí)間： 2022-06-21
上傳用戶：
Internet-“冷戰(zhàn)”的產(chǎn)物-1957年10月和11月，前蘇聯(lián)先后有兩顆“Sputnik”衛(wèi)星上天-1958年美國(guó)總統(tǒng)艾森豪威爾向美國(guó)國(guó)會(huì)提出建立DARPA（Defense Advanced Research Project Agency），即國(guó)防部高級(jí)研究計(jì)劃署，簡(jiǎn)稱ARPA-1968年6月DARPA提出“資源共享計(jì)算機(jī)網(wǎng)絡(luò)”（Resource Sharing Computer Networks），目的在于讓DARPA的所有電腦互連起來(lái)，這個(gè)網(wǎng)絡(luò)就叫做ARPAnet，即“阿帕網(wǎng)”，是Interne的最早雛形早期的ARPAnet使用網(wǎng)絡(luò)控制協(xié)議（Network Control Protocol，NCP），不能互聯(lián)不同類(lèi)型的計(jì)算機(jī)和不同類(lèi)型的操作系統(tǒng)，沒(méi)有糾錯(cuò)功能1973年由Kahn和Vinton Cerf兩人合作為ARPAnet開(kāi)發(fā)了新的互聯(lián)協(xié)議。1974年12月兩人正式發(fā)表第一份TCP協(xié)議詳細(xì)說(shuō)明，但此協(xié)議有信包丟失時(shí)不能得到有效的糾正TCP協(xié)議分成了兩個(gè)不同的協(xié)議：-用來(lái)檢測(cè)網(wǎng)絡(luò)傳輸中差錯(cuò)的傳輸控制協(xié)議TCP-專(zhuān)門(mén)負(fù)責(zé)對(duì)不同網(wǎng)絡(luò)進(jìn)行互聯(lián)的互聯(lián)網(wǎng)協(xié)議IP從此TCP/IP協(xié)議誕生1983年ARPAnet上停止使用NCP，互聯(lián)網(wǎng)上的主機(jī)全部使用TCP/IP協(xié)議，TCP/IP協(xié)議成為Internet中的“世界語(yǔ)”
標(biāo)簽： TCP-IP
上傳時(shí)間： 2022-06-23
上傳用戶：
Jim Williams的經(jīng)典著作，模擬電路設(shè)計(jì)。其中有很多的模擬電路和模擬集成電路的設(shè)計(jì)技巧。其中有一章用一個(gè)樹(shù)形結(jié)構(gòu)講了電子學(xué)中的系統(tǒng)知識(shí)框架。
標(biāo)簽： 模擬電路
上傳時(shí)間： 2022-06-25
上傳用戶：
作為Cortex M3市場(chǎng)的最大占有者，ST公司在2011年又推出了基于ARM Cortex M4內(nèi)核的STM32F407系列，增加了 ，增加了 ，增加了 FPUFPUFPU單元和 單元和 DSPDSPDSP指令集，并將主頻提高到了 指令集，并將主頻提高到了 指令集，并將主頻提高到了 指令集，并將主頻提高到了 指令集，并將主頻提高到了 指令集，并將主頻提高到了 168Mhz （可獲得210DMIPS的處理能力），非常適合需要浮點(diǎn)運(yùn)算或DSP處理的應(yīng)用，也被稱之為：DSC，具有非常廣泛的應(yīng)用前景。隨后，在2012年底，ST又推出了更高性能的STM32F429/39系列，相較于STM32F407，STM32F429/39系列主要增加了：SDRAM控制器、TFTLCD控制器和加快圖形處理性能的ST Chrome-ART Accelerator，并將主頻提升到180Mhz，極大的提升了在圖形界面方面的性能。
上傳時(shí)間： 2022-07-03
上傳用戶：ttalli
該書(shū)的作者是來(lái)自 Y Combinator Research 的研究員 Michael Nielsen，他也是一位量子物理學(xué)家、科學(xué)作家、計(jì)算機(jī)編程研究人員。他的個(gè)人主頁(yè)是：Neural networks and deep learningneuralnetworksanddeeplearning.com書(shū)籍介紹 這是我個(gè)人以為目前最好的神經(jīng)網(wǎng)絡(luò)與機(jī)器學(xué)習(xí)入門(mén)資料之一。內(nèi)容非常淺顯易懂，很多數(shù)學(xué)密集的區(qū)域作者都有提示。全書(shū)貫穿的是 MNIST 手寫(xiě)數(shù)字的識(shí)別問(wèn)題，每個(gè)模型和改進(jìn)都有詳細(xì)注釋的代碼。非常適合用來(lái)入門(mén)神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)！ 全書(shū)共分為六章，目錄如下： 第一章：使用神經(jīng)網(wǎng)絡(luò)識(shí)別手寫(xiě)數(shù)字 第二章：反向傳播算法如何工作 第三章：改進(jìn)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法 第四章：神經(jīng)網(wǎng)絡(luò)可以計(jì)算任何函數(shù)的可視化證明 第五章：深度神經(jīng)網(wǎng)絡(luò)為何很難訓(xùn)練 第六章：深度學(xué)習(xí) 《Neural Network and Deep Learning》這本書(shū)的目的是幫助讀者掌握神經(jīng)網(wǎng)絡(luò)的核心概念，包括現(xiàn)代技術(shù)的深度學(xué)習(xí)。在完成這本書(shū)的學(xué)習(xí)之后，你將使用神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)來(lái)解決復(fù)雜模式識(shí)別問(wèn)題。你將為使用神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)打下基礎(chǔ)，來(lái)攻堅(jiān)你自己設(shè)計(jì)中碰到的問(wèn)題。 本書(shū)一個(gè)堅(jiān)定的信念，是讓讀者更好地去深刻理解神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)，如果你很好理解了核心理念，你就可以很快地理解其他新的推論。這就意味著這本書(shū)的重點(diǎn)不是作為一個(gè)如何使用一些特定神經(jīng)網(wǎng)絡(luò)庫(kù)的教程。僅僅學(xué)會(huì)如何使用庫(kù)，雖然這也許能很快解決你的問(wèn)題，但是，如果你想理解神經(jīng)網(wǎng)絡(luò)中究竟發(fā)生了什么，如果你想要了解今后幾年都不會(huì)過(guò)時(shí)的原理，那么只是學(xué)習(xí)些熱?的程序庫(kù)是不夠的。你需要領(lǐng)悟讓神經(jīng)網(wǎng)絡(luò)工作的原理。
標(biāo)簽： 深度學(xué)習(xí)
上傳時(shí)間： 2022-07-24
上傳用戶：
STM32F407VET6數(shù)據(jù)手冊(cè)Core: ARM 32-bit Cortex?-M4 CPU with FPU,Adaptive real-time accelerator (ARTAccelerator?) allowing 0-wait state executionfrom Flash memory, frequency up to 168 MHz,memory protection unit, 210 DMIPS/1.25 DMIPS/MHz (Dhrystone 2.1), and DSPinstructions
標(biāo)簽： stm32f407vet6 數(shù)據(jù)手冊(cè)
上傳時(shí)間： 2022-07-25
上傳用戶：
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
