联邦服务:基于分布式数据共治的智能服务范式

随着数字化转型的加速,数据已成为驱动科技创新与经济增长的核心要素。然而,广泛存在的数据孤岛现象严重阻碍了跨领域、跨组织间的数据流通与合作,使得数据供应难以满足多样化的用户需求,数据的供需匹配面临严峻挑战。作为联邦生态的核心环节和对外赋能的重要窗口,联邦服务基于分布式数据共治原则,促进了跨领域、跨组织的数据流通与协同,为智能的供需匹配提供了一种有效的技术框架。首先,探讨联邦服务在联邦生态中的重要地位以及与联邦生态各环节的关系。其次,提出联邦服务的5层基本框架,并探讨其核心优势。在此基础上,提出联邦服务的关键支撑技术,主要包括区块链和去中心化自治组织与运营、大语言模型和场景工程、分布式计算和边缘计算、加密技术和隐私计算。最后,以数据与场景的供需匹配为应用案例,介绍联邦服务如何实现智能的供需匹配。提出的联邦服务理论与技术对于构建基于分布式数据共治的智能服务范式具有重要意义。

主曲线异常检测及其在股票市场中的应用

复杂领域中,异常检测的困难是异常信息和正常信息高度混杂,针对此问题,提出了基于方差的异常检测模型(variancebasedoutlierdetectionmodel,VODM).此模型把数据集的信息分解为正常信息和异常信息两部分,使得在正常信息损失最小的目标下,异常点集合就是前k个包含最多异常信息的样本.VODM只是一种检测异常的理论框架,为此,采用主曲线作为其实现算法.股票市场中异常收益检测的实验表明,VODM及其算法是有效的.

多层专家系统知识表达与推理技术的实现

从实际出发，提出了一种用多层专家系统的技术解决复杂领域问题的方法。其技术的关键问题是知识的表达方法和推理机制的策略。对于知识处理文中给出了用ＫＤＬ语言描述知识库的方法，对于推理机制给出了数据驱动、目标制导及双向求解的推理方法的具体算法，实践应用表明这些方法是可行的．

组合夹具CAD专家系统中的知识表示方法

对组合夹具专家系统元件选择的知识表示方法做了较为深入的探讨，并概括了此知识表示法的优点与不足．

组合夹具计算机三维智能组装系统

将 CAD和人工智能技术引入组合夹具设计中 ,可以提高生产效率、减轻劳动强度、缩短生产准备周期和加快产品上市时间。介绍了组合夹具计算机辅助设计的发展情况和研制的智能型组合夹具计算机辅助组装系统的结构及其功能 ,重点对系统中的智能模块做了阐述。

组合夹具计算机辅助构型设计

随着社会的进步和经济的发展,多品种、小批量的生产类型已占主导地位,具有元件全部标准化的高柔性组合夹具已成为制造系统的必备辅助手段.将CAD和人工智能技术引入组合夹具设计中,可以提高生产效率、减轻劳动强度、缩短生产准备周期和加快产品上市时间.本文首先概括介绍了组合夹具计算机辅助设计的发展情况,然后主要对本课题组研制的智能型组合夹具计算机辅助组装系统的结构及其功能进行了介绍.

人工神经网络专家系统智能设计平台体系结构的研究

在回顾研究ＣＡＤ技术的发展与现状的基础上，强调了人工神经网络和专家系统结合的必要性，并在此基础上提出了一种基于人工神经网络的智能设计体系，初步探讨了在神经网络技术与专家系统相结合的基础上，实现一种面向设计的专家系统开发工具的可能性．给出了该体系中知识的表示策略和方法以及求解过程．

组合夹具组装CAD

组合夹具组装ＣＡＤ系统软件是在ＡｕｔｏＣＡＤＲ１４上进行的二次开发，实现了微机上的组合夹具三维组装设计。为了提高组装速度，对元件做了进一步的简化；元件库中的所有元件均采用三维实体造型，使得拼装效果更为逼真；强劲的用户帮助和图文并茂的三级菜单，使操作方便易学；并实现了组装图夹具元件的自动统计功能．该系统的使用，提高了组合夹具的设计质量，缩短了设计周期，并已作为商品化软件推向国内外市场。

η-one-class问题和η-outlier及其LP学习算法

用SVM方法研究one class和outlier问题 .在将one class问题理解为一种函数估计问题的基础上 ,作者首次定义了 η one class和 η outlier问题的泛化错误 ,进而定义了线性可分性和边缘 ,得到了求解one class问题的最大边缘、软边缘和ν 软边缘算法 .这些学习算法具有统计学习理论依据并可归结为求解线性规划问题 .算法的实现采用与boosting类似的思路 .实验结果表明该文的算法是有实际意义的 .

联邦生态:从联邦数据到联邦智能

针对大数据时代广泛存在的数据孤岛问题,从整体入手,提出了联邦生态的基本框架,并探讨了其结构和运行机制。联邦生态以数据隐私可控为前提,以区块链技术为支撑,以联邦智能为驱动,借助联邦控制实现数据联邦化,通过联邦管理实现服务联邦化。为打破数据孤岛问题,联邦生态充分发挥了大数据和人工智能的潜力,进而为实现联邦智能提供了一种新的思路。

DTZH1505:大规模开源中文普通话语音库

近年来,深度学习在语音识别领域取得了突破性进展,并推动语音识别技术广泛应用到人们的日常生活中。语音识别模型的进一步优化需要更大规模标定数据的驱动,然而,目前开源的语音数据集规模仍太小,语料多为偏向书面用语的新闻类长文本。针对人机交互、智能客服等热门语音识别应用,通过众包模式采集朗读式语音,构建并开源了迄今为止最大规模的中文普通话语音数据集DTZH1505。数据集记录了6408位来自中国八大方言地域、33个省份的说话人的自然语音,时长达1505 h,语料内容涵盖社交聊天、人机交互、智能客服以及车载命令等,可广泛用于语料库语言学、会话分析、语音识别、说话人识别等研究。开展一系列基准语音识别实验,实验结果表明:相较于同规模中文语音数据集aishell2,基于此数据集训练的语音识别模型效果更好。

联邦控制:面向信息安全和权益保护的分布式控制方法

本文提出一种基于联邦智能的分布式控制方法—联邦控制.作为联邦生态的核心环节,联邦控制从联邦智能的需求响应出发,以联邦数据的信息安全和权益保护为目标,以区块链、平行系统为技术支撑,为大型复杂系统提供高效、安全、可靠的控制与管理.

遥感影像人工智能数据集联邦共享技术研究

遥感影像目标识别算法升级需要大规模、高品质人工智能数据集支持。目前,各遥感影像数据集大多以孤岛形式保存在不同机构或同一机构的不同部门,由于数据安全保密相关规定,各数据节点间无法汇聚数据,造成严重的数据孤岛问题。数据孤岛问题导致可用于模型训练的遥感数据严重缺乏,影响遥感影像智能识别算法性能提升。为解决数据孤岛问题,文章从数据孤岛构建、联邦数据管控、联邦项目管控及联邦安全四个方面研究联邦数据治理技术,在数据不出孤岛的前提下,实现模型侧到多个数据侧的学习模式,达到数据可用不可出的效果。实验结果表明:虽然联邦数据治理技术因为数据加密传输,会增加模型训练时间,但是随着数据孤岛的增多,在测试精度上可以逐渐逼近数据汇聚模式,大幅改善数据孤岛问题。

面向城市复杂系统的社会计算关键技术研究

城市复杂系统存在要素众多分散、关系复杂多维、结构动态变化且社会功能耦合度高等特点,其中实时全域数据感知、分级分权协同调度、复杂动态关系构建是城市复杂系统精准建模与精细管理的关键问题。基于ACP平行智能方法的社会计算为解决上述问题提供了理论基础。基于此,面向城市复杂系统大规模、多模态、高维度、全要素进行建模,基于虚实对偶平行调控的链码机制,提出社会计算关键技术并设计其系统架构,实现城市复杂系统的全域链通和多态应用。该架构可以为面向未来的分布式、智能化、主动响应的复杂城市管理提供重要范式。

数据银行:融合和盘活大数据资源

数据堂成立于2011年9月。2014年底,数据堂挂牌新三板,市值为25~28亿元。目前公司拥有45000套数据,已达近2000TB的存储规模,每一套数据可单独完成一件事。数据堂的商业模式—＂数据银行＂能够融合和盘活各类大数据资源,实现数据价值最大化,推动相关技术、应用和产业的创新。目前,大数据企业分为三个领域：数据源、数据技术和数据应用。数据堂是做数据源的企业,通过＂数据银行＂模式,将数据拥有方和数据需求方之间打通,让数据流通起来。