In a distributed resource environment, container technology highly facilitates the deployment and execution of scientific workflow tasks. However, existing scientific workflow scheduling studies barely consider the multi-channel programming of computational resources, which makes it hard to simultaneously achieve effective container sharing and optimize task parallelism and resource utilization. In this paper, we propose a segmented workflow scheduling strategy based on container technology in multi-vCPU devices environment. It reduces the solution space size of the heuristic algorithm through a segmented scheduling approach. And it uses an adaptive discrete particle swarm optimization algorithm with genetic operators (ADPSOGA) to optimize the average completion time of each workflow under the constraint of device rental cost. In addition, we propose a dynamic scaling scheme between containers and devices to reuse containers and solve the problems related to resource contention when tasks are parallel in a device. Experimental results indicate that ADPSOGA outperforms other similar heuristics algorithms, and the segmented scheduling approach significantly improves the optimization-seeking efficiency of the algorithm.
现有的多行为推荐系统未有效利用不同层次的图传播信息,难以捕获用户不同行为的影响.为解决此问题,文章提出了一种基于图注意力网络的多行为推荐模型(GABR):首先,采用小批量采样节点嵌入方法聚合同一行为类型交互的邻域节点,以提高特征表示效率;接着,采用注意力机制学习不同行为类型的影响系数,以进一步融合节点特征;然后,合并多层用户和项目表示,以有效利用不同层次的图传播信息;最后,将已交互的用户-项目对和随机采样未交互过的用户-项目对作为正负样本对来训练目标模型,以优化模型性能.为验证模型推荐性能,在 3个真实数据集(Yelp、Scholat、Beibei)上与现有 9 种推荐模型进行对比.实验结果表明GABR模型能够有效利用融合了不同行为类型影响系数的多层图传播信息,更好地预测用户偏好:在 3 个真实数据集上,与目前最佳的基线模型(GNMR)相比,GABR模型的HR、NDCG平均提高了 1.73%、2.43%.
设计了一种改进的YOLOv5 模型实现对小目标害虫识别定位并将其应用于农业虫情分析.首先对数据集中的图片进行数据增强操作,结合目标背景分析,对一半数据进行降低亮度处理以增大训练难度.为了解决目标检测模型中小目标容易随着卷积神经网络的加深而导致目标信息丢失的问题,提出在模型中额外增加特征提取层,以达到丰富小目标的特征信息和位置信息的目的.该模型采用一种切割图像再检测的方法,在降低模型计算量的同时提高了检测精度.最后设计了多组实验并进行对比,验证了模型的有效性,平均检测精度达 92%.
使用电导率高的硫化铜作为添加成分,与理论比容量高的硫化镍结合,通过一步氢气泡模板电沉积法在铜箔基底上制备了一种具有三维花状多孔结构的Ni-Cu-S电极材料.该结构提高了材料的比表面积,增加了材料的活性反应位点,从而加快了电荷传输,提高了电极材料的电化学性能.在三电极体系中,Ni-Cu-S电极材料的比电容可达 1.57 C/cm2,倍率性能为 80.2%.使用Ni-Cu-S电极材料(正极)和活性炭(AC)(负极)制备了不对称超级电容器,在双电极体系中对其进行性能测试,其比电容为 0.91 C/cm2,在 5.32 mW/cm2的功率密度下具有 0.89 mWh/cm2的高能量密度.经过 7 000 次充放电循环后,电容仍保持初始值的 89.7%,显示出了良好的循环稳定性.结果表明Ni-Cu-S是一种高性能超级电容器电极材料.
基于高速公路门架、2019 年货运专项调查、汽车能耗查询平台等数据,综合考虑不同车型、不同路段饱和度下车辆能耗差异,构建基于改进"政府间气候变化专门委员会"(IPCC)的高速公路网碳排放精细化测算模型,并以山东省为例进行实例分析.结果表明:从车型上看,高速公路碳排放客车、货车碳排放量占比分别为 45.29%、54.71%,其中主要碳排放源为Ⅰ类客车、Ⅰ类货车与Ⅵ类货车等;从路网分布看,碳排放高值路段主要在人口密集和经济发达城市的绕城高速,邻近综合交通枢纽(高铁、机场、港口),济青、京沪运输通道等呈现空间集聚分布特征;从区域分布看,碳排放高值区主要在以济南中心城区为核心的省会经济圈、以青岛中心的城区为中心胶东经济圈集聚,并呈现出从经济圈中心向外逐层递减的态势.该研究可为区域交通碳排放相关政策监管、区域交通运输"碳达峰"时间点研判提供理论和数据支撑,对推动区域交通运输双碳目标的实现具有重要现实意义.
