文摘

为了提高英语教育翻译的影响,本文改进了5 g网络虚拟化算法和使用数据挖掘的典型相关分析方法提取数据内容之间的关联关系中包含大量英语翻译用户设备。此外,本文采用相似性聚类方法实现自组织英语翻译虚拟社区的建设。在此基础上,提出了一种基于凸优化的频谱分配算法,有效地解决了频谱分配的问题在虚拟细胞。最后,本文构造英语教育翻译系统的功能体系结构基于5 g网络虚拟化和进行实验研究。实验研究结果表明,基于5 g的英语教育翻译系统虚拟化构建本文可以在智能英语教学起着重要的作用。

1。介绍

通过引入“智能地球”的理念下研究和人工智能的发展,云计算和其他技术,“智能”的概念已经渗透到社会的各个领域。在教育领域,研究人员进行了理论和实践的讨论和研究智能教室、智能校园,和智能教育(1]。

智能教学工具的出现提供了一个全方位的智能教学环境为大学教学。其中,智能助理余类,由清华大学的网络教育办公室,有强大的功能在教学过程之前,期间和之后的类。特别是在课堂教学中的应用更加明显。“屏幕投影函数”不仅可以项目学习的内容对学生的手机还激发学生对学习的热情通过“接二连三”等功能2]。

优化的智能教育的背景下,英语翻译课堂教学生态可以分析学生、教师、教学组织和教学环境从生态学的角度,构建一个生态的英语翻译课堂教学模式智能教育环境。根据生态理论,英语翻译教学可以被视为一个有机的、复杂的、统一的系统(3]。

在传统的翻译教学中,由于一个固定的教学环境的影响(如教室),教学内容通常是基于理论和练习,和学生缺乏足够的实践和知识的输入和应用程序。在教学过程中,学生往往缺乏兴趣,由于教材中的语言的局限性。然而,生态翻译教学模式的智能教育突破局限在这方面,和教学组织形式呈现出多样化的趋势。随着智能教学工具的帮助下,老师可以加强三通在班上学习内容,上课,下课后,输入的知识提供了一个自然生态的产业,和学生的知识的内化程度更有效。此外,它还平衡基础英语知识和专业知识的学习。英语翻译教学和学习涉及英语的基础知识和专业知识。如果你不处理彼此之间的关系,你可能会忽略。学习上课前的三个方面,上课,下课后有效地避免这个问题。教师可以选择教学方法根据知识的难度。例如英语的基本知识,如词汇、语法、句型相对比较容易,但很难掌握很快。 Then, in the preclass session, teachers can set tasks for students through video commentary, audio commentary, or article reading. Students can have a deeper understanding of certain knowledge points by watching or reading repeatedly. As for the more difficult parts, you can analyze in depth through classroom discussion and solve such problems in the classroom. For the problem of insufficient translation practice, students can be organized to gradually improve through activities such as translation workshops and translation companies to observe knitting internships. Teaching and learning before class, during class, and after class is an organic whole, and the three are independent of and complementary to each other.

基于上述分析,本文研究一种基于5 g网络英语教育翻译系统虚拟化,它提供了理论参考改善后续的英语教育的智慧。

2。相关工作

边缘计算网络系统的网络体系结构,它结合了网络功能虚拟化和软件定义网络转换传统的网络功能的专用硬件设备虚拟网络功能软件标准化的商业服务器上运行的虚拟机(4]。一方面,基于虚拟机软件的网络功能使用底层虚拟化技术将传统网络没有好处,比如加速投放市场的时间,降低硬件和操作成本,提高安全性和可伸缩性(5];另一方面,使用标准化的可编程接口,独立的逻辑上集中控制平面和数据平面可以有效地简化维护操作和减少网络管理成本。这是一个重要手段提供网络的灵活性(6]。太阳和李7)压缩数据流的网络功能在前面和增加的网络功能的数据流,从而减少之间的物理链路的带宽开销前后网络功能。然而,他们不考虑网络所需的计算资源开销函数过程的数据流。文献[8)设计相应的缓冲服务链条。当缓冲区数据包数量超过了阈值,NFVnic将适当限制数据流量,避免下游虚拟网络功能成为整个服务链条的瓶颈;当它低于阈值时,它将适当增加数据速率。文献[9)提出将网络功能强大处理能力的服务链条和网络功能服务背后的处理能力较弱链,以避免服务链的性能下降和牺牲资源来换取性能。如何找到之间的比例关系数据流量和服务连锁部署资源和直接决定资源分配的基础上,数据流量是一个非常困难的问题10]。此外,基于软件定义网络的网络体系结构和网络功能比传统网络虚拟化是更灵活的架构,但是这种灵活性也使边缘计算网络的状态不断变化和服务链更新频繁发生。网络运营商不仅要确保服务的更新过程链是正确的和一致的但也避免漏洞在网络更新过程中,导致网络性能下降,甚至崩溃(11];更快的更新速度意味着所占据的时间资源在同一时间将减少,和网络资源的使用也将避免。是进一步降低率12]。文献[13)选择等待当前数据流处理路由新数据流过程之前,但这增加了更新的时间和成本。文献[14)复制和传输网络的状态函数在一个细粒度的方式,以确保一致的属性更新过程中。与此同时,为了避免网络性能下降,他们将缓存数据包更新过程中在控制器。避免包丢失或错误处理。文献[15)安排更新服务连锁店之间的序列在考虑网络资源约束下,以完成整个网络的更新状态。文献[16)使用一个OpenNF或分裂/合并更新机制来实现单个服务的更新链。文献[17)太粗粒度的研究服务的更新顺序链,很难减少网络状态的更新时间。同时,因为他们的更新单个服务依赖于链OpenNF或分裂/合并更新机制,没有进一步分析单个服务链。服务的更新机制链优化。

3所示。5 g网络虚拟化处理

接下来,本文定义了英语教育的相关概念和元素翻译系统网络。

定义1。基站设置 在宏观基站的覆盖范围是由一个宏观基站和小基站,在那里宏观基站和吗 代表了小基站(18]。

定义2。大量的用户设备中随机分布的区域, 用户设备的集合,用户的数量。

定义3。用户设备运行各种应用程序,需要传输各种模态数据和向量 代表模态数据通过数据分析方法。

定义4。相似 是指用户设备之间的相似性和沟通时需要传输数据。

定义5。本文介绍了“以用户为中心的“虚拟细胞,打破传统的接入网的概念以基站为中心。相关的细胞不再是基站。然而,它与用户相关联。同时,它实现解耦的信号传输和基站ID和进一步支持网络虚拟化管理。

定义6。本文假设定义的宏基站面积分配逻辑上连续的频谱资源;也就是说,可用的频谱资源 。宏基站之间的频谱分配策略已经超出了本文的范围,因此本文将不讨论。

有大量的网络用户设备,以及各种形式的大量数据需要实时传输。如图1、每个用户设备需要传输多个模态数据,并有一定的模态数据块之间的相关性描述相同或相似的对象。

在本文中,两个模态数据块被表示为向量 和 ,分别。典型相关分析提取一组变量的线性组合从每个向量代表的数据形成两个规范的向量和 。然后,我们使用这两种典型向量计算皮尔逊系数描述的关系,如以下公式所示(19]:

为了充分发掘数据之间的关联关系,典型相关分析目标选择最优和最大化的价值公式(1),从而形成一个优化的问题,如以下公式所示:

拉格朗日乘数方法通常是用来解决这个问题,并构造拉格朗日方程:

通过推导和计算拉格朗日方程,我们得到20.]

其中,协方差矩阵,和方差矩阵,我们的目标是找到最大 ,也就是说,典型相关系数。当最大获得,它对应于和是一个典型的向量。

我们假设两个用户设备和和传输数据形成的数据集的多个不同的模式 和 ,分别。使用数据相关性发现在前一节中介绍的方法,相关 任何两个不同的模态数据之间和两个用户设备。因此,相似 用户设备之间,如以下公式所示(21]:

其中,根据应用程序的类型和确定用户设备中的数据的重要性,以及这些不同的相关数据之间的重量。

这个研究主要侧重于宏观基站的覆盖范围。因此,只有覆盖范围内的用户设备相同的宏观基站是集群。当两个用户设备远,即使他们有很强的相似性,很难协同操作和设备之间的数据共享。此外,它不利于优化的虚拟频谱资源分配如果设备远分为相同的集群。因此,需要考虑距离因素的过程中用户设备集群和部门和设备之间的距离定义为

其中, 和 用户设备的位置信息是吗和 ,分别。在聚类的过程中,本研究定义了距离阈值 。当两个用户设备之间的距离超过阈值,也就是说, ,两个用户之间的相似设备被认为是零。距离阈值动态调整根据宏观基站的覆盖范围,小基站的分布,和频谱资源的供给和需求。

实现相似性聚类,首先,必须定义用户设备之间的相似性。本研究使用数据相关性和位置信息来定义相似度如下:

其中,是用来协调平衡因素之间的关系之间的距离设备和协会的程度。和 。相似性越大,价值就越大 。当两个设备的数据并不相关, 。本文违约之间的相似用户设备和本身是1,也就是说, 。然后,网络中的用户设备的相似矩阵,如下公式所示:

矩阵的主对角线上的元素都是1, ,相似矩阵是一个对称矩阵。在这种情况下,我们只需要存储上三角矩阵的一部分。这有效地减少了存储空间,降低计算成本。然后,一个无向图 根据用户设备相似矩阵,构造节点集在哪里 描述了网络中用户设备和边集 描述用户设备之间的相似性。边界值被定义为两个用户设备的相似性。边界值越大,相似度越大。

当用户设备集群形成时,需要判断集群的优点和缺点。主要考虑用户的相似设备集群和用户设备在不同的集群之间的相似性。模块化通常是用来衡量聚类结构的质量,也就是说, ,在哪里 。它描述的数量的比例集群中的每个用户设备之间的连接的连接总数,和 代表的比例的用户设备之间的连接数量的集群和集群外的用户设备连接的总数。然而,基于模块化的计量标准有一定的局限性,如不适用于集群大小差异太大,不准确的问题发现小规模集群。本文研究使用模块密度来衡量聚类结构,聚类过程的退出条件,定义如下:

其中, 和用户设备集群的数量, 集群内部的连接的数量 , 是连接到其他集群的数量,用户设备集群的数量吗 ,和是用户设备集群形成的数量。

在本文的研究中,本文认为,集群中的每个用户设备参与部门和集群分为只有一个;然后,用户设备在网络最终将形成 ,不重叠的用户设备集群;也就是说,它将满足

其中,网络和用户设备设置分为用户设备的一组集群 。

通过抽象用户设备信息的管理,基于相似度的聚类方法用于将用户设备在网上宏观基站的覆盖范围以用户为中心的虚拟细胞,形成一套虚拟细胞 。如图2、每个用户设备参与虚拟细胞的形成。通过虚拟细胞,建设数据中心进行抽象的管理用户设备分布在网络中不同的位置。同时,构建一个虚拟的过程中细胞,通过遥感数据用户设备传输的内容,然后预测每个用户的数据流信息设备,用户的频谱资源需求设备的网络终于确定。

一定的宏观基站的覆盖范围内,各种类型的用户设备形成一套用户设备 。通过虚拟细胞的自组织结构,用户设备形成多个虚拟细胞形成一个虚拟的细胞 。同时,收集和分析网络中各种有价值的用户信息。此外,在数据中心中抽象和统一的全球信息用于执行频谱资源的虚拟化管理单位的虚拟细胞。

它假定逻辑上连续的频谱资源获得宏观基站的覆盖范围 。为了有效地减少了层间干扰,频谱资源分为两个部分和的活动,适当的频谱保护带添加两减少相邻信道间干扰之间的宏观基站和基站。然后,有 和 。其中,宏观基站只占用频谱资源 ,而小基站在虚拟细胞使用频谱资源在一起。此外,使用全球用户设备分布和资源需求信息,可用的频谱资源分配给虚拟细胞在构建虚拟细胞。使用数据挖掘方法,得到每个用户设备的数据流 。同时,实时需求用户设备通信的预测。此外,在数据中心的负载信息用户设备通过计算,得到如下:

为了确定分配的比例和 ,有必要计算宏观基站的负载情况和小基站在每个虚拟细胞。首先,本研究使用全球信息来确定基站选择用户设备的情况,也就是说,选择与基站。此外,生成的负载在基站确定用户设备。本研究定义了 和 描述用户设备的负荷情况宏观基站和基站。然后,负载生成的用户设备与宏通信基站在每个虚拟细胞计算的总负载宏观基站获得 。同时,负载生成的用户设备与虚拟的小细胞细胞计算的总负载和网络计算的小细胞 ,在哪里是一组用户设备在虚拟细胞表示一组小型基站提供通信服务的虚拟细胞 。此外,该解决方案可以动态地调整大小的和使用全球负载分布,如下所示:

其中,是分配比的因素来控制分配的公平性。频谱资源获得的所有小基站分配给每个虚拟细胞需要根据负载情况的虚拟细胞在网络和频谱资源是充分的。同时,为了减少干扰,活动分为 部分;然后,小基站在虚拟细胞获得频谱资源

因此,这个解决方案分配相应的频谱资源,每个虚拟细胞通过用户设备的虚拟化管理信息和频谱资源。

具体地说,频谱资源分配给用户设备需要在虚拟细胞。在分配过程中,用户的频谱需求和干扰控制主要考虑。首先,与宏通信基站在虚拟细胞占用频谱资源 。设备是否 ,与小细胞在虚拟细胞 ,占用频谱资源表示为 。

同样的,也有类似的定义。在这项研究中,宏基站设备和小型基站设备使用正交频谱资源和 ,分别。设置一个频谱保护带,相邻信道干扰问题的宏观基站和小基站克服。然后,之间没有干扰宏基站设备和小型基站设备在相同宏观基站覆盖范围。当宏观基站设备和小型基站设备使用频谱资源交流,他们遭受的干扰如下:

当宏观基站设备和基站设备占用资源小,SINR,分别满足

其中,噪声功率。本研究假设不同的渠道有相同的噪声。是宏的设置干扰宏观基站的基站。因此,在虚拟细胞 ,当宏观基站设备和基站设备占用资源小,获得的数据传输速率,分别

其中,根据用户设备的负载信息,和分别计算资源。此外,数据传输速度需要确保用户设备成功完成通信。的传输速率限制宏观基站设备和小型基站设备满足

其中, 和 ,分别代表了数据传输速率的要求宏观基站设备和小型基站设备,即完成数据量的传输速率要求在有效的时间内传播 。同时,考虑到系统的整体性能,在频谱分配之前,通过计算每个用户设备的数据传输速率,最低数据传输速率限制可以确定用户的设备。根据上面的描述,本研究构建了一个基于虚拟虚拟频谱分配模型细胞。在有效的前提下协调干扰和最大化系统容量,虚拟化的频谱分配模型可以表示为

此外,同时最大限度地提高系统容量,本文关注用户公平性,重写的优化目标实现用户虚拟频谱分配的公平。

虚拟频谱分配问题的基于虚拟细胞,获得的数据中心的负载信息网络中用户设备通过感知和计算。因此,对于基于虚拟频谱分配模型细胞,本研究介绍了凸优化方法实现虚拟频谱分配。

定理7。虚拟频谱分配问题是一个凸优化问题;也就是说,有一个最佳的频谱分配方案,使系统获得最大容量。

证明。为目标函数 ,首先,松弛变量是用来制造的方法成为一个连续的值在0到1。计算之后,它是证明是凹函数。因此,虚拟频谱分配问题等价于如下优化问题: 同时,很容易确定的约束公式(19)构成一个凸集。此外,虚拟化的频谱分配问题是被证明是一个凸优化问题和约束变量 。因此,有一个全局最优分配方案的虚拟频谱分配问题,从而获得最大的系统容量。

接下来,本研究将优化目标转换为 。然后,拉格朗日对偶法和马(Karush-Kuhn-Tucker)条件是用来解决虚拟频谱分配问题。首先,构建虚拟频谱分配问题的拉格朗日函数如下:

其中, , ,和拉格朗日乘数法。然后,虚拟化的频谱分配问题的双重功能

定理8。最优解虚拟频谱分配问题有一个相应的与最优解之间的关系 的对偶问题。

证明。根据文献,对于任何可行的拉格朗日乘数 ,二元函数值的下限是频谱分配优化功能 ,也就是说, 。此外,频谱分配问题是一个凸优化问题,通常有很强的二元性。然后,最优值原问题的最优值的对偶问题, 。因此,有一个对应的关系。

因此,虚拟频谱分配问题的最优解可以通过求解对偶问题如下:

解决上述问题有更大的复杂性。本文利用内点方法来解决问题,最终获得最大的价值 。在这个时候,最佳的拉格朗日乘数的值 。

凸优化问题,马条件最优解的充分必要条件;即符合马的特定值条件是虚拟化的频谱分配问题的最优解和对偶问题。接下来,本研究结合了最好的拉格朗日乘数计算 并使用马条件计算 。马条件,根据虚拟频谱分配问题,确定了可行性条件如下:

然后,它是确保最优的解决方案最初的问题是可获得的。通过分析虚拟频谱分配之间的关系问题和对偶问题的互补松弛条件关系如下:

的最优值 在获得 ;导数为0时,一阶约束满足:

其中,满足的可行的解决方案 。上面的公式(24)- (26马的条件。然后,将获得最好的拉格朗日乘数 和马条件计算:

最后,虚拟频谱分配问题的最优解

4所示。英语教育翻译系统基于5 g网络虚拟化

英语教育翻译系统网络将引入更多的交流模式,如D2D(设备间)、M2M(机器对机器),V2V (vehicle-to-vehicle)。保持一个最佳的用户体验在这样一个复杂的网络环境,老鼠选择和管理必须在网络端和终端设备在同一时间。异构网络仍然是未来通信网络的发展方向。因此,灵活部署和成本已成为重要的因素5 g网络。这需要5 g系统是基于软件实现和虚拟化技术,使他们建立不同的虚拟核心网络,以满足特定的应用程序的需求。如图3,简要描述了多元化服务,应用程序场景,不同的网络集成模式和基于云的分层架构思想的无线网络英语教育翻译系统。

不断进化的英语教育翻译系统提出了更严格的LTE系统的延迟需求,特别是控制飞机的延迟需求和用户平面。因此,LTE系统不仅优化了广播帧长度和传输时间间隔(创科实业),但也调整网络结构。当前LTE系统体系结构主要由两个部分,即进化核心网络EPC和访问网络E-UTRAN,如图4。

图5显示的数据处理模块的功能划分英语教育eNB-D翻译系统。如图,有些子层控制逻辑与数据紧密耦合,如HARQ的MAC层和ARQ RLC层。在这里,这些控制功能仍然是归因于数据平面。

5 g网络不仅能调整访问网络体系结构,而且可以提高转发平面。此外,它使用一个分布式网关与用户正在下沉的飞机实现分布式部署。通过本地云服务系统、流媒体服务从服务中心获得最初通过复杂的互联网络可以缓存到本地云服务器。图6显示了业务流程的网络传输模型英语教育翻译系统。

如图7连锁服务流VNF1需要更新其内部网络功能,VNF4, VNF5从旧的路由路径的新的基于性能优化的路由路径的原因。更新时间为每个网络功能可以根据时间预测模型在前一节中。如果我们使用OpenNF的更新机制,更新服务连锁在图中,我们首先从数据流,数据包流沿着旧服务的部署路径链。发现源网络函数“老VNF1”需要更新,更新。

图8这个智能翻译系统的硬件组成,主要由数据库服务器,网关服务器,客户端,和人机交互终端,包括信息处理模块,广告模块,控制器模块。英语翻译文学作品时,用户输入要翻译的内容从客户端,并上传它到数据库服务器通过网关服务器进行信息处理。当遇到模棱两可的判断,人际互动模式,和人机交互终端用于人工判断,并判断结果反馈给客户端和服务器在同一时间。

上述研究的基础上,本文研究了基于5 g翻译英语教育系统虚拟化在这篇文章中构建的。本文由英语输入多组数据进行实验研究和计算实验数据,评估系统的数据传输5 g和翻译翻译英语教育系统的影响,并得到结果如表所示1和2。

从上面的研究,可以看出基于5 g的英语教育翻译系统虚拟化构建本文可以在智能英语教学起着重要的作用。

5。结论

5克时代的到来和计算机技术的不断发展,许多技术影响和改善人们的生活质量。与此同时,它也影响了大学课堂的教学模式。特别是虚拟现实技术的逐步推广和改进5 g网络使身临其境的课堂教学得以实现。传统的课堂教学以知识传授为中心的老师会逐渐取而代之的是身临其境的课堂教学基于虚拟现实技术的推广5 g网络。虚拟现实技术的应用是非常广泛的。在未来,课堂教学有一个更广泛的平台和一个更加开放的环境。如何结合5 g的优势建设高校课堂教学更好地为教育已成为一个非常重要而迫切的研究课题。基于上述分析,本文研究一种基于5 g网络英语教育翻译系统虚拟化和提供了理论参考改善智能在随后的英语教育教学的效果。实验研究结果表明,基于5 g的英语教育翻译系统虚拟化构建本文可以在智能英语教学起着重要的作用。

数据可用性

标签数据集用于支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由英语教师专业发展的研究现状的基础上,高职院校的大学英语教学(18 jk0057)。