针对企业部署的多种异构应用系统,通过构建企业级数据备份平台,实施完整的备份方案,实现快速有效的数据集中备份。文章还给出了备份的日常管理和故障解决实例,对数据备份人员有一定的参考作用。

HDFS异构存储，该方案能够智能的区分冷热数据，并按照配置的磁盘模式自动转移数据，做到冷热数据异构智能存储

比特率自适应（ABR）算法已经成为视频传输中研究的热点之一。然而，由于5G无线异构网络具有信道带宽波动大、不同网络间差异明显等特点，多终端协同的自适应视频流传输面临着巨大挑战。提出了一种基于深度强化学习的自适应视频流传输控制方法。首先，建立了视频流动态规划模型，对传输码率以及分流策略进行联合优化。由于该优化问题的求解依赖于精确的信道估计，这在信道状态动态变化的网络中很难实现。因此，将动态规划问题改进为强化学习任务，并采用A3C算法，动态决策视频码率和分流策略。最后，根据实测的网络数据进行仿真，与传统的优化方法相比，本文所提的方法较好地提高了用户QoE。

异构网络中的联合优化 该存储库包含本文的代码和实验： 联合学习是一种分布式学习范例，它具有两个与传统的分布式优化不同的关键挑战：（1）网络中每个设备的系统特性方面的显着可变性（系统异质性），以及（2）不完全相同的分布式数据跨网络（统计异质性）。 在这项工作中，我们引入一个框架FedProx，从理论上和经验上解决联邦网络中的异构性。 该存储库包含一组针对联合数据集的详细的经验评估。 我们证明FedProx比FedAvg具有更强大的收敛性。 特别是，在高度异构的环境中，FedProx展示了相对于FedAvg而言更加稳定和准确的收敛行为-将绝对测试准确度平均提高了22％。 一般准则 请注意，如果您想使用FedProx作为基准并运行我们的代码： 如果使用不同的数据集，则至少需要根据您的指标调整学习率和mu参数。 您可能希望从{0.001，0.01，0.1，0.5，1}调整mu。 没有适用于所有

自动驾驶异构计算及操作系统研究报告

多路径并行传输数据包乱序分析方法 ，陶洋，李加成，文中对异构网络环境下多径并行传输引发的数据包乱序问题进行了深入研究，分析了造成数据包乱序的相关因素，提出了一种基于端到端

Opencl in action英文版，不错的OpenCL书籍.请勿用于商业活动！

SDVN：实现异构车辆通信的快速网络创新

异种车辆通讯

物联网的全面感知产生了海量的感知数据,并且感知数据呈现为显著的多源异构性.因此,如何实现海量多源异构感知数据的智能处理是一个具有挑战性的课题.数据融合是处理多模态数据并挖掘提取有价值信息的有效手段,但针对多源异构数据,特别是非结构化的视频多媒体信息,如何实现高效的融合计算还面临许多问题需要解决.本文针对物联网多源异构感知信息的处理问题,提出多层次的多源异构数据融合方法,并以基于无线信号、视频和深度感知数据的目标定位跟踪应用为切入点,重点研究多源异构数据的处理、特征表示和数据融合方法.根据不同类型数据的特性采用不同的数据融合方法,通过挖掘无线信号、视频和深度等多源异构数据内在的关联性,实现多源异构数据有价值信息的有效利用.实际复杂场景的实验表明,本文提出的基于多源异构数据融合的目标跟踪和定位方法,能够解决传统依赖单源同质数据的目标跟踪方法所面临的光照变化和遮挡交错等难点问题,并且可以获得较为准确的运动目标三维位置,具有良好的跟踪定位效果.