关键词： 移动工作站   图形处理   移动计算   游戏性能   硬件配置   酷睿   深度学习   PC硬件  

摘要： 随着近年来PC硬件不断迭代升级,移动工作站在硬件配置选择上也变得非常宽泛,不仅可以发挥专业图形处理和数据计算能力,为用户提供高性能的移动计算能力,同时又拥有不错的通用属性。我们本次要评测的,就是这样一台跨界移动工作站,来自戴尔的Precision 7560。按照传统分类,我们手中这台移动工作站属于“非典型”配置——英特尔酷睿i7-11950H和NVIDIA GeForce RTX 3080,配置上更像一台顶配的游戏笔记本。但RT X 30系显卡除了游戏性能强大,还具备强大的A I运算能力,在深度学习领域也发挥着不可或缺的作用。

关键词： 物联网技术   智能移动终端技术   移动计算技术   室内空间定位技术   行业应用  

摘要： 随着物联网技术、智能移动终端技术、移动计算技术的飞速发展,当今社会对室内定位服务的需求也日益强烈,传统的卫星定位、基站定位等室外定位技术已不能适应当今社会的应用需求。因此,在当今时代背景下,开展室内空间定位技术的研究、推进室内空间定位技术的行业应用对于社会的智能化发展与进步具有十分重要的意义。鉴于此,首先概述了超宽带定位、蓝牙定位、超声波定位等主流室内定位技术以及测距和非测距两类室内空间定位算法;而后,论述了室内空间定位技术在公共安全、人资物资管理、智能交通、室内定位服务、大数据关联分析以及社交网络等典型场景中的应用研究现状;最后,探讨了现阶段室内空间定位技术发展所面临的挑战,并对未来的主要研究方向进行了展望。

关键词： 学校教育信息化   软硬件设备   专业教学质量   数字化系统   汽修专业   信息技术   大数据   移动计算  

摘要： 移动计算、大数据等信息技术对教育的影响日趋明显,支持移动学习的软硬件设备系统有助于实现教学方式的改革突破。笔者借助希沃系统,以专业课课堂为主阵地,探索了汽修专业微移动学习方案的构建,以提升专业教学质量。1基于希沃方案的微移动教学方案构建希沃系统能促进学校教育信息化层级不断提升。它与中职教学诊改思想不谋而合,为中职专业课教学改进与技术方案的构建提供了思路。

关键词： 移动计算   联邦学习   通信效率   多任务学习  

摘要： 联邦学习(Federated Learning,FL)是一个适用于移动计算中保护隐私的协作学习框架,其核心思想是在联合训练模型时,参与训练的多方用户设备无需上传原始数据,只需上传自身模型。在FL中,用户设备和服务器之间的通信成本优化问题受到学术界的广泛关注。本文将结合多任务学习、量化压缩、机器学习优化算法、自适应调整等对FL的个性化任务学习和用户选择策略进行研究,主要工作包括:(1)提出一个多项个性化任务协作学习框架,优化FL的整体通信成本。现有的FL框架大多针对每个用户仅学习单项任务的场景,然而每个用户在移动设备上通常有多项相关且与用户本身数据关联度极高的个性化任务,例如多内容推荐。利用传统的FL框架进行多项个性化任务学习时,需要针对每项任务单独训练模型,消耗大量的通信资源。为此,本文提出一个面向多项个性化任务的联邦学习问题,其目标是在每个用户学习多项个性化任务时最小化整体通信成本。特别地,我们将多任务学习与FL相结合,通过每个用户训练一个模型的方式同时学习多项个性化任务,并提出协作学习框架。该框架根据多任务学习的特性修改加速收敛算法和量化压缩策略,在保证模型精度损失极少的情况下获得更优的通信效率。最后,基于真实数据集的实验结果表明本文提出的框架具有良好的性能。(2)提出一种自适应用户选择算法,在满足全局模型精度的前提下降低通信成本。较多FL研究工作关注如何在约束条件下最大化每轮通信选择的用户数量,这些方法通过加快全局模型收敛速度降低通信成本,并且把各个用户当前模型的损失值作为用户选择的标准,但忽略了用户本地训练的局部收敛速度更能衡量当前的训练进展。考虑到该因素,本文提出了一个在满足模型精度的前提下最小化通信成本的FL问题。为了解决这个问题,我们提出自适应用户选择算法,在不影响全局模型收敛的前提下,通过每轮自适应选择少量但收敛速度更快的用户参与聚合,从而有效提高通信效率,并且自适应调整本地训练参数和调整全局模型聚合的方式。最后,基于真实数据集的实验结果表明本文所提算法的高效性。

关键词： 移动计算   边云协同   计算卸载   DNN推理   DNN查询   智能应用  

摘要： 随着移动设备的普及,人脸识别、智能语音助手、手势识别等智能应用已广泛应用于人们的日常生活中。然而,由于移动设备计算能力不足,往往很难支持复杂的深度神经网络(Deep Neural Network,DNN)推理。为减轻移动端计算压力,传统方法多选择将DNN模型卸载到云/边缘服务器,而为了在云/边缘服务器上运行DNN模型,需要将DNN模型按需提前卸载到指定计算节点。在这个过程中,如何实现任务执行时延及数据传输时延的权衡,进而获得高效的DNN迁移计划是研究者们一直在探讨的问题。此外,为实现实时DNN查询,本文考虑在上传DNN分区的同时执行DNN查询。在以往的研究中,学者们多选择在单客户端-单边缘服务器计算环境下结合最短路径法及惩罚因子法划分DNN模型并创建其对应的上传计划。然而由于惩罚因子可选取的个数有限,这导致DNN分区往往很大,难以获取细粒度DNN分区。本文提出了一种在本地-边缘-云协同计算环境下加速DNN推理的卸载方案——EosDNN,其中DNN推理加速主要体现在优化迁移时延和实现实时DNN查询上。EosDNN综合考虑了迁移计划和上传计划两方面:对于前者,利用粒子群遗传优化算法(Particle Swarm Optimization-Genetic Algorithm,PSO-GA)生成DNN模型中各DNN层在服务器下的分布,进而优化迁移时延;对于后者,提出了一种层合并上传算法(Layer Merge Uploading Algorithm,LMU)来获取DNN分区及其上传顺序,从而优化实时DNN查询的性能。本文的主要贡献如下:(1)首先,基于PSO-GA算法,本文提出一种DNN迁移计划,以获取本地-边缘-云协同计算环境下DNN层在各服务器的分布情况。这种方法适用于多任务并行的情景,避免了传统算法极易陷入局部最优的缺陷,有利于获得满足低时延的DNN模型迁移计划,进而加速DNN推理。此外,本文提出了一种名为二步迁移预处理的方法来处理拓扑类型DNN模型,使得EosDNN卸载方案适用于不同类型的DNN模型。(2)其次,本文提出LMU算法来获取DNN分区及其上传顺序,进而生成满足高效DNN查询性能的DNN上传计划。这种方法不仅克服了传统DNN上传计划仅适用于单客户端-单云/边缘计算环境的限制,还大大降低了DNN分区的粒度,极大地提高了DNN查询的性能。(3)最后,本文考虑了一种更为现实的卸载场景——在资源有限的多用户本地-边缘-云协同计算环境中卸载DNN模型,该场景适用于大规模DNN模型的迁移和上传,能够切实满足现实情景中用户对服务质量的需求。此外,本文也探讨了由大规模DNN模型在资源有限计算环境中并行所带来的任务排队时间。

关键词： 语义分割   DeeplabV3+模型   EfficientNet模型   移动计算   深度学习  

摘要： 语义分割是图像和视频处理领域的重要研究内容之一。随着深度学习在图像与视频处理领域的广泛应用,研究基于深度学习的语义分割方法具有现实意义。本文探讨基于DeeplabV3+的语义分割方法及其应用,并尝试搭建一个改进的语义分割模型用于移动计算等实时场景。（1）通过变换主干特征提取网络来减小语义分割模型的计算量,并扩展其应用范围。针对语义分割模型DeeplabV3+的主干特征提取网络参数量大、对硬件要求高、不适合移动场景等特点,使用参数量较少且性能较优的EfficientNet-B0网络对DeeplabV3+的主干特征提取网络进行替换。本文测试了直接替换、减少下采样次数、添加空洞卷积等多种替换方式。由于EfficientNet-B0的参数量小于DeeplabV3+的主干特征提取网络的参数量,因而所得语义分割模型的计算量减小了,从而减少了对硬件设备的性能要求,更适合于手机、树莓派等移动设备。这有助于扩展语义分割模型的应用范围。（2）通过解耦和特征融合等措施对解码网络进行改进以提高特征利用率、改进语义分割的性能。首先对DeeplabV3+模型中的输出分割图像部分进行改进,参考EfficientDet和YoloX模型中把识别物体种类和位置的网络转换为多个网络分支的思想,将DeeplabV3+模型中的浅层语义信息和深层语义信息使用不同的卷积进行处理以达到解耦的目的;然后借鉴FCN、U-Net网络的特征融合思想,在语义分割模型中加入中维度语义特征层,进一步有效利用主干特征提取网络所提取的特征以提高语义分割模型的性能。将所改进的模型在VOC2008数据集上与已有模型进行比较,实验结果表明所做工作在一定程度上提升了性能。（3）通过设计Android程序和Python程序将所搭建的网络与DeeplabV3+、PSPNet、U-Net等网络进行性能比较,验证其能否在移动设备上高效地运行。实验结果表明,所改进的语义分割模型在Android程序上的运算速度领先于DeeplabV3+、PSPNet、U-Net等,在Python程序上也有较好的性能。所做工作提升了语义分割在移动计算领域的计算性能。本文探讨了语义分割模型的改进及其在移动计算领域的应用,所做工作对于在便携式设备上添加语义分割计算模型具有一定的理论和实践意义。这对于在智能相机、智能雷达、自动驾驶等应用领域扩展语义分割模型的实际应用具有一定的促进作用。

摘要： This index covers all technical items - papers, correspondence, reviews, etc. - that appeared in this periodical during the year, and items from previous years that were commented upon or corrected in this year. Departments and other items may also be covered if they have been judged to have archival value. The Author Index contains the primary entry for each item, listed under the first author's name. The primary entry includes the co-authors' names, the title of the paper or other item, and its location, specified by the publication abbreviation, year, month, and inclusive pagination. The Subject Index contains entries describing the item under all appropriate subject headings, plus the first author's name, the publication abbreviation, month, and year, and inclusive pages. Note that the item title is found only under the primary entry in the Author Index.

关键词： 嵌入式系统   工业机器人   嵌入式计算   移动计算   物联网   云计算   大数据   智能制造  

摘要： 作为数字与物理、信息与应用交叉融合的重要基石,嵌入式系统技术在近十年以来已被广泛应用在社会生产、生活、国防等诸多领域,并快速推动了这些领域的数字化、网络化和智能化发展。在人工智能、云计算、物联网、大数据等新兴技术不断发展和交叉应用的万物智联大计算背景下,信息物理深度融合、多维智能能力支撑、应用形态日益多元等新特征对嵌入式系统的体系结构以及软硬件技术的发展都提出了新的需求和挑战。诸如,空、天、地、海军民领域的复杂安全有关应用对高可信的多态嵌入式计算体系与技术,移动计算与物联网对高性能、低功耗的嵌入式系统、网络通信与网络安全技术,以智能驾驶为代表的复杂信息物理系统对实时智能计算体系与技术,智能制造对工业机器人以及工业互联网等基于嵌入式系统的行业技术等,新业态迫切需要新技术的支持。

关键词： 铁路机车   电机检修   射频识别(RFID)   电子标签   移动计算   质量阈值  

摘要： 针对SS4B型机车电机检修过程中需要不同工序频繁核对部件及记录检修数据的作业方式,提出新型的应用模式。通过采用射频识别(Radio Frequency IDentification,RFID)技术和移动计算技术,构建了工业互联网应用模式,为电机检修搭建了高效的物联网平台,实现了部件的自动识别、检修过程的质量卡控以及电机检修无纸化,并且提升了工作效率和工作质量。

关键词： 移动通信  

ISBN: (纸本)9787561584637

摘要： 本书内容涵盖了移动计算中的隐私保护、数据安全等多个方面的相关内容。本书分为八章，第一章对移动计算的背景和隐私问题作了详尽的介绍和分析；第二章介绍了移动计算中的数据安全问题，提出了一种基于机器学习的安全数据聚合协议；第三、四章分别从攻击和防御两个角度，着重介绍了数据聚合中的投毒攻击机制和防御投毒攻击的机制；第五章提出了保护隐私的语音数据发布机制；第六章先提出了一种移动边缘计算中的负载均衡优化方案；第七、八章引入了隐私保护问题，提出了一种基于深度强化学习的保护隐私的负载均衡方案。