托管数据中心如何实现可持续发展的IT运营

声音事件定位和检测

声音事件定位和检测(SELD)的领域在不断增长。对环境的了解在自主导航中起着至关重要的作用。Guirguis等最近(2020)提出了一种声音事件SELD-TCN的新颖架构。他们声称，他们的框架在现场培训方面比当前最先进的技术领先。在他们的SELDnet(以下结构)中，以44.1 kHz采样的多声道音频记录通过应用短时傅立叶变换提取频谱的相位和幅度，并将其堆叠为单独的输入特征。然后，连接卷积块和循环块(双向GRU)，然后连接完全连接的块。SELDnet的输出是声音事件检测(SED)和到达方向(DOA)。

 

下一部分提供了此经典TCN的实现和扩展。

改善流量预测

拼车和在线导航服务可以改善交通预测效果并改变人们的出行方式。通过更好的交通预测可以实现更少的交通拥堵，更少的污染，安全和快速的驾驶等。由于这是实时数据驱动的问题，因此有必要利用即将到来的流量的累积数据。基于此，Dai等人最近(2020)提出了一种混合时空图卷积网络(H-STGCN)。总体思路是利用分段衬里流量密度关系的优势，并将即将来临的交通量转换为等效的行进时间。他们在这项工作中使用的最有趣的方法之一是图卷积以捕获空间依赖性。复合邻接矩阵捕获流量近似的固有特征(更多信息，请参见Li，2017)。在以下架构中，提出了四个模块来描述整个预测过程。

 

我们首先介绍运动检测的案例研究，并简要回顾一下TCN架构及其相对于传统方法(如卷积神经网络(CNN)和递归神经网络(RNN))的优势。然后介绍了TCN的几个新颖应用，包括改善交通预测，声音事件定位和检测以及概率预测。

TCN简要回顾

Lea等人的开创性工作。(2016)首先提出了基于视频的动作分割的时间卷积网络(TCN)。此常规过程的两个步骤包括：首先，使用(通常)对时空信息进行编码的CNN来计算低级特征，其次，将这些低级特征输入到使用(通常是)捕获高级时域信息的分类器中)RNN。这种方法的主要缺点是需要两个单独的模型。 TCN提供了一种统一的方法来分层捕获所有两个级别的信息。

编码器-解码器框架如图1所示，其中有关体系结构的更多信息可以在前两个参考文献中找到(在文章末尾)。提供了最关键的问题，如下所示：TCN可以采用一系列任意长度并将其输出为相同长度。在使用一维完全卷积网络体系结构的情况下，使用因果卷积。一个关键特征是，时间t的输出 仅与t之前发生的元素卷积 。

 

注释：当全球服务器市场中两家或者更多厂商的收入或者出货量份额小于等于1%的时候，IDC认定这些厂商位于并列位置。

由于HPE和新华三集团现有的合资公司，IDC从2016年第二季度开始把HPE和新华三集团作为"HPE/新华三集团" 一个整体记录全球市场份额。

由于IBM与浪潮成立了合资公司，所以IDC从2018年第三季度开始将浪潮和浪潮商用机器作为“浪潮/浪潮商用机器”一个整体记录全球市场外部市场份额。

服务器市场亮点

从地区来看，该季度亚太区表现良好，增长31.%。中国的表现优于其他地区，同比增长39.8%，其次是日本，为24.9%，其他地区(不包括日本和中国的亚太地区)为13.4%。美国同比增长25.0%，加拿大下滑11.2%。拉丁美洲增长15.6%，欧洲、中东和非洲(EMEA)同比下滑5.8%。

该季度x86服务器的收入下滑17.4%至216亿美元，非x86服务器的收入同比增长47.4%至24亿美元。

（编辑：唐山站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!