#ISCA# 论文推荐:
论文名称:FLIN: Enabling Fairness and Enhancing Performance in Modern NVMe Solid State Drives(FLIN:在现代NVMe固态驱动器中实现公平并提高性能)
论文链接:https://t.cn/A6VZo3tq
推荐理由:现代固态驱动器(SSD)使用新的主机接口协议(例如NVMe)为应用程序提供对存储的快速访问。这些新协议利用了多队列SSD(MQ-SSD),其中SSD可直接访问应用程序级I / O请求队列。虽然消除了OS软件堆栈可以显着提高性能,但它引入了一个新问题:不公平。作者对真实MQ-SSD中的干扰进行了全面的分析,发现了四个主要的干扰源:(1)每个应用程序发送的请求的强度;(2)请求访问模式的差异;(3)读写比;(4)垃圾回收。为了减轻MQ-SSD中的不公平,文中提出了感知干扰的调度程序(FLIN)。FLIN在SSD控制器固件中完全实现,不需要任何新硬件,并且存储成本可忽略不计(<0.06%)。与最新的I / O调度程序相比,FLIN改善了各种企业和数据中心存储工作负载的公平性和性能,平均分别提高了70%和47%。
AMiner,AI赋能的学术搜索平台:https://t.cn/A65eMxmG
#AMiner# #论文#
论文名称:FLIN: Enabling Fairness and Enhancing Performance in Modern NVMe Solid State Drives(FLIN:在现代NVMe固态驱动器中实现公平并提高性能)
论文链接:https://t.cn/A6VZo3tq
推荐理由:现代固态驱动器(SSD)使用新的主机接口协议(例如NVMe)为应用程序提供对存储的快速访问。这些新协议利用了多队列SSD(MQ-SSD),其中SSD可直接访问应用程序级I / O请求队列。虽然消除了OS软件堆栈可以显着提高性能,但它引入了一个新问题:不公平。作者对真实MQ-SSD中的干扰进行了全面的分析,发现了四个主要的干扰源:(1)每个应用程序发送的请求的强度;(2)请求访问模式的差异;(3)读写比;(4)垃圾回收。为了减轻MQ-SSD中的不公平,文中提出了感知干扰的调度程序(FLIN)。FLIN在SSD控制器固件中完全实现,不需要任何新硬件,并且存储成本可忽略不计(<0.06%)。与最新的I / O调度程序相比,FLIN改善了各种企业和数据中心存储工作负载的公平性和性能,平均分别提高了70%和47%。
AMiner,AI赋能的学术搜索平台:https://t.cn/A65eMxmG
#AMiner# #论文#
#ACL 2021# 论文推荐:
论文名称:UPB at SemEval-2021 Task 8: Extracting Semantic Information on Measurements as Multi-Turn Question Answering(UPB在SemEval-2021上的任务8:提取测量的语义信息作为多轮问题的回答)
论文链接:https://t.cn/A6VzPmIQ
推荐理由:在分析科学话语方面,提取测量和计数的语义信息是一个重要课题。SemEval-2021的第8项任务——数值和测量(MeasEval)旨在通过提供一个新的数据集,让参赛者训练他们的模型,从科学文本中提取有意义的测量信息,从而促进该方向研究。该竞赛由五个子任务组成,它们在彼此的基础上进行:(1)数量跨度识别,(2)从已识别的数量中提取单位并对其进行修饰性分类,(3)测量实体和测量属性的跨度识别,(4)限定词跨度识别,以及(5)识别的数量、测量实体、测量属性和限定词之间的关系提取。作者首先识别数量,提取它们的测量单位,用相应的修饰语对它们进行分类,然后用它们以多轮问题回答的方式共同解决后三个子任务来应对这些挑战。该工作表现最好的模型在测试集上获得了36.91%的重叠F1分数。
会议链接:https://t.cn/A6V72Bpo
AMiner,AI赋能的学术搜索平台:https://t.cn/A65eMxmG
#AMiner# #论文#
论文名称:UPB at SemEval-2021 Task 8: Extracting Semantic Information on Measurements as Multi-Turn Question Answering(UPB在SemEval-2021上的任务8:提取测量的语义信息作为多轮问题的回答)
论文链接:https://t.cn/A6VzPmIQ
推荐理由:在分析科学话语方面,提取测量和计数的语义信息是一个重要课题。SemEval-2021的第8项任务——数值和测量(MeasEval)旨在通过提供一个新的数据集,让参赛者训练他们的模型,从科学文本中提取有意义的测量信息,从而促进该方向研究。该竞赛由五个子任务组成,它们在彼此的基础上进行:(1)数量跨度识别,(2)从已识别的数量中提取单位并对其进行修饰性分类,(3)测量实体和测量属性的跨度识别,(4)限定词跨度识别,以及(5)识别的数量、测量实体、测量属性和限定词之间的关系提取。作者首先识别数量,提取它们的测量单位,用相应的修饰语对它们进行分类,然后用它们以多轮问题回答的方式共同解决后三个子任务来应对这些挑战。该工作表现最好的模型在测试集上获得了36.91%的重叠F1分数。
会议链接:https://t.cn/A6V72Bpo
AMiner,AI赋能的学术搜索平台:https://t.cn/A65eMxmG
#AMiner# #论文#
#我爱计算机视觉[超话]# #计算机视觉[超话]# #航空影像##仙人掌识别#
An Enhanced Randomly Initialized Convolutional Neural Network for Cin Unmanned Aerial Vehicle Imagery
文章提出 Enhanced Randomly Initialized Convolutional Neural Network(ERI-CNN),用于识别柱状仙人掌,是一种存在于墨西哥东南部 Tehuacán-Cuicatlán Valley(特瓦坎-奎卡特兰山谷)的特有植物。工作中使用由一组研究人员创建的公共数据集,其中包括 20000 多张遥感图像。实验结果证实,与文献中报道的其他模型如 InceptionV3 和改进的 LeNet-5 CNN 相比,所提出的模型是有效的。ERI-CNN 得到 98% 的准确率,97% 的精确度,97% 的召回率,97.5% 的 f1-score,以及 0.056 的损失。
作者 | Safa Ben Atitallah, Maha Driss, Wadii Boulila, Anis Koubaa, Nesrine Atitallah, Henda Ben Ghézala
单位 | University of Manouba;泰拜大学;Prince Sultan University;Arab Open University;University of Sfax
论文 | https://t.cn/A6V7sKXQ
An Enhanced Randomly Initialized Convolutional Neural Network for Cin Unmanned Aerial Vehicle Imagery
文章提出 Enhanced Randomly Initialized Convolutional Neural Network(ERI-CNN),用于识别柱状仙人掌,是一种存在于墨西哥东南部 Tehuacán-Cuicatlán Valley(特瓦坎-奎卡特兰山谷)的特有植物。工作中使用由一组研究人员创建的公共数据集,其中包括 20000 多张遥感图像。实验结果证实,与文献中报道的其他模型如 InceptionV3 和改进的 LeNet-5 CNN 相比,所提出的模型是有效的。ERI-CNN 得到 98% 的准确率,97% 的精确度,97% 的召回率,97.5% 的 f1-score,以及 0.056 的损失。
作者 | Safa Ben Atitallah, Maha Driss, Wadii Boulila, Anis Koubaa, Nesrine Atitallah, Henda Ben Ghézala
单位 | University of Manouba;泰拜大学;Prince Sultan University;Arab Open University;University of Sfax
论文 | https://t.cn/A6V7sKXQ
✋热门推荐