大语言模型算力度量模型

面对大语言模型对算力需求的快速增长,传统的摩尔定律已经难以满足需求,而大语言模型的扩展法则表明更多参数、更多数据和更多算力能够得到更好的模型智能。针对大语言模型的算力度量问题开展研究,旨在评估大语言模型的算力需求。提出大语言模型训练的算力度量模型和大语言模型推理的算力度量模型,并通过理论分析提出了相应的计算方法。

蓝牙Mesh网络AODV路由改进算法

蓝牙Mesh网络使用泛洪进行多跳通信,在没有路由机制的情况下,由于消息的连续广播,原有泛洪机制会导致网络开销增大和通信延迟。本文基于能量有效的AODV改进算法E AODV使用MATLAB进行仿真,根据跳数、节点剩余能量、链路质量来选择最优节点进行数据包的转发。仿真结果表明,E-AODV算法可减小蓝牙Mesh网络中RREQ数据包传输数量,通过与传统泛洪、AODV算法比较,该算法能够有效降低数据包传输时延,降低网络能耗,提高网络性能。

AI大模型赋能网络流量分类概述

提出一个通用的AI驱动的网络流量分类框架,阐述了所涉及的工作流程、分类目标、设计原则以及典型场景等,并提出了一个基于BERT的网络流量分类模型,通过将输入的分组净荷进行向量化嵌入,然后送入BERT进行预训练,用于实现流量数据的上下文理解并捕获双向特征,然后对接一个全连接网络对分类下游任务进行微调,从而实现流量分类。通过与AE、VAE、ByteSGAN 3个经典的流量分类深度学习模型在CICIDS2017公开数据集上进行对比,发现BERT的精度明显高于其他方法。

运营商智算中心建设思路及方案

人工智能训练的计算复杂度逐年猛增,所需的智能算力从每秒千万次运算增加到数百亿次,甚至进入千亿级别,促进了大规模智算中心的建设。智算中心主要满足智算算力的需求,其布局、建设及维护方案与传统的云资源池存在较大差异,当前运营商对智算中心的布局以及详细方案并没有统一的建议和参考。分析了大模型发展带来的算力、存储、组网的需求挑战,对运营商智算布局以及算力、存储、网络、维护管理等提出了相应的策略和方案建议。

基于电信大数据的智慧养老市场发展赋能研究

聚焦融合数据如何赋能智慧养老市场的发展,通过对目标群体的精准识别与深入分析,结合基于原始码流的网络数据解析验证、O域数据标签体系构建等关键技术能力,为智慧养老产品的定制化开发提供了数据支撑,并实现对智慧养老群体特征的精准预测与分析,最终完成基于电信大数据的智慧养老产业价值分析。电信大数据在促进产业升级、优化资源配置等方面起到重要作用,通过精准的数据分析赋能产品创新与市场拓展,提出了基于电信大数据的智慧养老市场赋能新路径。

“东数西算”背景下运营商公众骨干网络架构演进探讨

“东数西算”战略在优化我国算力资源布局的同时,将显著影响运营商的公众骨干网络架构。分析了运营商算力和公众用户的分布数据,指出了当前算力分布在地区间、省间的不平衡。同时,对“东数西算”第一类节点的业务热点区域的流量本地化程度进行了分析,发现部分流量本地化区域化程度不高、数据中心集约程度不足。基于分析结果和政策背景,提出了一种适应“东数西算”工程算力分布趋势的区域化、层次化运营商公众骨干网络架构,以优化用户感知,高效利用网络资源,将自身发展与国家战略更好地融合。

基于微服务的研发运维一体化关键技术

因软件发布的迭代频率难以满足软件交付的需求,提出了基于微服务的研发运维一体化关键技术。利用粗粒度实现微服务发布,基于容器的自动发现机制和微服务注册机制实现虚拟化技术,利用DevOps技术和敏捷开发方法论完成运维一体化。实验结果表明,所提方法的生成时间均在10 s以内,可靠性均保持在90%以上,在执行程序过程中占用的内存在50 MB波动,能够有效提高研发运维一体化运行效率,缩短部署时间,降低执行内存,确保可靠性,为研发运维一体化技术提供初步参考。

射频器件测量的校准技术分析

在用矢量网络分析仪(VNA)对射频微波元件进行S参数测量时,由于网分的同轴端口与元器件类似微带的端口无法直接进行测量,故往往引入夹具以实现同轴到微带的过渡。在此过程中,测量结果包含了夹具本身自带的误差,需要用校准技术进行去嵌入(deembedding)。直通-反射-延时线(TRL)是其中一种高精度的校准技术,本文在HFSS中制作了10 MHz-45 GHz的TRL校准件包括“顶层地”传输线,新型共面波导,基片集成波导,两层介质的共面波导等不同结构,去嵌入之后的1 pF电容与理想电容在全频段有较好的一致性,并把结果进行对比。下一步模拟了性能更好的同轴连接器,以改善实验的去嵌入结果,验证TRL校准件达到毫米波的可行性方案。

基于ACTN和SDOTN标准的SDN跨域管控研究

【目的】为了实现云光智能一体化,解决现有光网络业务部署慢的问题,文章给出了一种跨域跨厂商的端到端业务快速部署方法。【方法】通过分析现网跨域跨厂商业务部署现状,并结合基于流量工程网络抽象与控制(ACTN)标准和软件定义光传送网(SDOTN)标准,发现并解决现有软件定义网络(SDN)管控系统光业务智能一体化部署存在的问题,提出设备厂商SDN管控系统需要改进的方法和方向。【结果】测试验证表明,通过优化改进设备厂商的同步数字体系(SDH)管控系统,能够提升域内端到端业务的开通效率并实现跨域端到端业务的智能一键部署。【结论】测试结果证明,优化和改进设备厂商的SDN管控系统有利于云光智能一体化的业务开通。

一种采用联邦深度强化学习的车联网资源分配方法

在车联网中,为了充分利用可用资源,车到车(Vehicle to Vehicle,V2V)链路需要动态地复用固定分配给车到基础设施(Vehicle to Infrastructure,V2I)链路的信道。传统的集中式信道资源分配方法会产生较大的通信开销,也难以适应转瞬即逝的车辆环境。为此,提出了一种基于分布式联邦深度强化学习(Federated Deep Reinforcement Learning,FDRL)的信道资源分配方法。首先,所有V2V智能体基于局部观察的环境信息独立地训练自己的模型,但彼此间保持相同的奖励以激励它们相互协作进而达成全局最优方案;然后,这些V2V智能体通过基站的帮助聚合部分模型参数,以增加接入公平性并加快模型学习效率。通过上述两阶段的迭代训练,每个V2V智能体训练出独特的决斗深度神经网络信道接入决策模型。仿真结果表明,所提出的FDRL方法与现有的优化方法相比具有更高的V2I链路总容量和V2V链路传输成功率。

基于NB-IoT的农业物联网智能灌溉控制系统设计与开发

本文针对农业灌溉中存在的水资源浪费和传统灌溉方式效率低下等问题,提出了一种新型的智能灌溉控制系统。该系统利用NB-IoT技术实现远程监控控制,通过感知节点采集土壤湿度、温度、光照等数据,并结合先进的数据分析算法,实现对灌溉系统的智能调控。实验结果显示,该系统为农业生产提供可持续发展的解决方案,在提高灌溉效率和减少水资源浪费方面效果显著。

大模型数据扩增技术在输电线路智能监控中的应用研究

针对复杂场景下输电线路可视化监控中目标识别准确率不高、误检误报率较高的问题,提出了一种结合大模型的数据扩增和YOLOv10优化算法来提升复杂场景下目标识别准确率的实现方法。首先,针对样本数据数量短缺的问题,基于Stable-diffusion大模型进行数据扩增,丰富并增加了样本数量。其次,针对训练样本数量有限的情况,对YOLOv10算法进行改进,进一步强化图片特征的提取算法,优化目标识别算法,提升复杂自然场景下的目标识别准确率及性能。最终的实验结果表明,与现有的实现方法相比,针对复杂场景的输电线路的可视化监控,对目标识别的准确率从原有的52.6%提升至54.3%。

智能制造工厂中基于物联网的计量仪表应用研究

智能制造是工业4.0时代的重要发展方向,通过引入物联网技术,可以实现生产过程的智能化和高效化。计量仪表作为生产过程中重要的数据采集工具,在智能制造工厂中的应用愈发广泛。主要探讨了物联网技术在智能制造工厂中的应用,分析了基于物联网的计量仪表的功能、优势及其应用场景,并通过具体实例展示其应用效果,旨在为未来智能制造工厂的建设提供参考。

5G通信技术在智能网联道路建设项目中的应用

随着5G技术的不断发展,智能交通系统的实现已成为可能。文中首先介绍了5G通信技术的特点和应用前景,然后探讨了5G技术在智能网联道路建设中的作用。通过对现有智能交通系统的分析,提出了利用5G技术实现智能网联道路的主要应用,包括车路协同系统、智能交通管理等。最后,通过实验和案例研究,验证了基于5G通信技术的智能网联道路建设的可行性和效果。该研究对推动智能交通系统的发展,提升交通运输效率,提高道路安全性具有重要意义。

智能网联环境下交叉口信号控制研究

在这个处处交相辉映的智能网联世界里,道路交叉口的信号控制问题无疑成为了大家广泛讨论的话题。如今,凭借信息取得和交流的便利,交叉口信号控制策略的实施已经初现锋芒。那就是一种跃然于纸端,基于车辆间的互通信号以及车辆与基本设施的通讯的新方法,这给智能交叉口信号控制指出了一条新的途径。这种策略可以通过车辆的运行信息——速度、位置等等,配合交叉口实时的车流数据,竟然可以打破传统的固定信号控制,实现交叉口信号的动态控制。这一新策畭不仅能有效缩短车辆在交叉口的等待时间以及行驶的总时长,也能提高交叉口的通行能力,更是可以极大提升整个道路网路的效能。无疑,这项新策略的出台会给交通信号控制的理论研究和实验操作带来新的突破和启发,同时对于缓解城市交通堵塞,提升道路运输效率也具有深远的意义和价值。

人工智能辅助姿态识别和运动处方的研究

推进体育核心素养有效转化和成功落实,提高体育在中考的分数占比,是当前我国学校体育现代化建设和革新的重点和抓手。为应对目标任务繁重而体育资源有限的问题,针对立定跳远、引体向上等中学生普遍开展的体测内容,采用人工智能技术研究能够有效评估和辅助提高学生基础动作训练水平的姿态评鉴和处方系统。研究内容包括标准动作模型的建立、现场动作采集及与标准动作的对比判定、生成学生动作改进建议三部分,最终形成一套智能的基础体育动作识别、标准程度评估和体质提升建议系统。

新时代数字党校建设中网络安全问题研究

数字中国建设是数字化时代推进中国式现代化的重要引擎。党校以智慧校园建设为基础,推动数字党校建设势在必行。强化网络与信息安全建设与保障是数字党校建设的重要基石,是校园各项信息系统和数据在安全、稳定、纯净的网络环境中运行的重要支撑。针对新时期的网络安全形势,通过分析数字党校建设过程中存在的网络安全问题,提出切实可行的保障措施,对数字党校建设具有深远意义。

一种用于物联网的基于区块链的访问控制框架

分布式物联网由于自身特性的要求,需要具备可扩展性和一定的容错能力,但这在集中式系统中难以实现。受加密货币交易原理的启发,利用区块链技术构建一种新的访问控制框架,既不需要一个集中实体来承担访问控制授权功能,又能让用户自己掌握访问控制的细粒度。新框架的提出主要依赖于区块链技术能够很好地解决如何让分散的匿名参与者达成共识的问题,由此才能对访问控制的授权进行分布式管理。区块链技术的其他特点又进一步保证了新框架的安全性。对比在分布式物联网中提出的或正在使用的访问控制框架,新框架降低了对设备算力的要求,避免了复杂的安全设置,实现了去中心化的访问控制。

深度学习在IP网络优化中的应用

随着新型业务涌现和IP网络技术的不断演进,云网融合步入新阶段,展现出数字化、智能化和服务化的发展特征。其中智能化需要结合相关的人工智能技术,而深度学习和深度强化学习是常用的人工智能算法。图神经网络等技术的发展,也使得深度学习和深度强化学习分别在图信息表示和最优化问题处理方面的能力得到本质提升。IP网络可以用图结构抽象化表示,相关的预测和优化问题可以用深度学习和深度强化学习算法处理和求解。因此阐述了深度学习和深度强化学习在流量预测、网络规划和流量工程3个场景下的相关算法与应用,分析了在实践过程中可能面临的问题与挑战。

基于智能城域网的政企专线方案研究与实践

介绍了网络技术发展和专线业务需求,结合智能城域网网络架构与特征,提出了层次化VPN和端到端政企专线部署方案。通过对比分析和实验验证认为,2种专线方案各有优势,应结合网络设备能力、业务开通复杂度等选择合适的业务部署方案。