具有切换时延的异步光分组交换调度方案

光交换结构有同步和异步两种工作方式,同步算法已经很多了,但异步调度算法却研究得较少。针对这种 情况,提出了一个新的异步调度算法——LETF算法。证明了LETF算法在有两个输出端口时为最优调度算法, 并进一步证实在多输出端口时,该算法为2近似调度算法,理论分析和仿真表明,LETF算法的时间复杂度为O（N）, 能达到100%吞吐量。一般情况下,在加速比最小时能无限接近于最优调度。     

具有切换时延的异步光分组交换调度方案(英文)

光交换结构有同步和异步两种工作方式,同步算法已经很多了,但异步调度算法却研究得较少。针对这种情况,提出了一个新的异步调度算法——LETF算法。证明了LETF算法在有两个输出端口时为最优调度算法,并进一步证实在多输出端口时,该算法为2近似调度算法。理论分析和仿真表明,LETF算法的时间复杂度为O(N),能达到100%吞吐量。一般情况下,在加速比最小时能无限接近于最优调度。     

基于极限学习机(ELM)的连铸坯质量预测

针对传统基于BP神经网络建立的连铸坯质量预测模型训练速度慢、适应能力弱、预测精度低等问题,本文提出一种基于极限学习机的连铸坯质量预测方法,对方大特钢60Si2Mn连铸坯中心疏松和中心偏析缺陷进行预测,并与BP和遗传算法优化BP神经网络预测模型的预测结果进行分析对比.结果表明:BP及GA-BP神经网络预测模型对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为50％、57.5％、70％和72.5％;而基于极限学习机的连铸坯预测模型预测准确率更高,对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为85％和82.5％,且该模型具有极快的运算时间,仅需0.1s.该模型可对连铸坯质量进行迅速准确地分析,为连铸坯质量预测的在线应用提供了一种新的方法.