网络融合关键技术及产业化初探

随着5G商用落地,5G在工业应用场景与WLAN接入融合将成为实现5G端到端配置的关键环节。本文着重分析了5G的技术特点,及网络接入融合的标准演进和关键技术,阐述了5G网络与WLAN融合的结构及接口定义,并分析其关键技术,最后对网络融合进行展望。

5G网络与广播电视网络融合研究

5G网络具有超高速率、超低时延、高可靠性等显著优势,为广播电视提供了更好的内容传输质量。首先,分析5G网络的技术特点及关键技术框架,包括无线传输、终端直通(Device-to-Device,D2D)通信等,为广播电视网络融合的建设奠定了基础。其次,对比分析广播电视的有线、无线、互联网3种传输方式,并提出它们与5G网络的整合,实现传输的高效化和智能化。最后,提出5G移动与广播电视网络融合的总体框架,包括基础设施层、网络功能层、内容分发层等,并分析相应的核心技术。

基于图神经网络的多层银企网络融合研究

针对金融行业内潜在系统性风险难以精准识别问题,基于直接系统性风险传染渠道的借贷数据以及间接渠道的互联网文本信息,构建多层银企网络,并利用图卷积神经网络(GCN)设计多层银企网络融合模型,根据融合网络量化评估29家银行和75家房地产机构的不同渠道系统性风险传染过程。实验结果表明,在多层金融网络融合任务上,本文融合模型的准确率达到0.8559,优于对比模型。融合网络分析表明,多层网络共同冲击下的银企系统性风险传染能力明显大于单一或者2层网络的系统性风险,且基于间接渠道的企业间网络系统性风险更明显。金融审慎监管应该更多关注文本数据、深度学习等技术对于整合庞大金融资源的能力和有效提高风险监测预警的能力。

基于网络融合的改进MobileViT人脸表情识别

从轻量化模型的角度提出一种基于网络融合的改进MobileViT人脸表情识别网络。该网络将多尺度卷积PSConv和注意力机制通过残差结构进行融合,形成RAPSConv特征重构模块,该模块能从细粒度角度更高效地提取多尺度特征,加强关键特征表达,进而提高网络的表达能力,构建出一个端到端的表情识别网络。同时,为了进一步缩小同类表情间差距,提出联合使用Softmax Loss和Center Loss损失函数,有效减少了表情识别的误判率。实验结果表明,改进后的网络在3个自然场景表情数据集FER2013、FER+和RAF-DB上的准确率均优于基础网络MobileViT,准确率分别提高了1.73%,2.18%和1.64%,改进后的网络参数量较少,鲁棒性较强,便于实现轻量化和集成,适合人脸表情识别在现实场景中的应用。

基于神经网络融合模型的铁路接触网异物智能检测

针对影响铁路接触网正常运行的异物问题,提出了一种基于神经网络融合模型的铁路接触网异物智能检测模型。以Faster R-CNN框架为基础,增加特征金字塔结构以学习图像不同尺度的特征;针对不同异物类型,将其分为鸟巢和轻质漂浮物,并运用ResNet50和ResNet101作为骨架网络,分别针对具有单一特征的鸟巢和特征复杂多变的轻质漂浮物进行识别;融合2个网络的识别框,得到精确的识别结果。对比实验表明,该模型的检测结果优于常规目标检测方法,可有效降低铁路接触网异物检测的人工成本,为铁路接触网的稳定运营提供了可行的解决方案。

电力通信SDH与PTN网络融合分析

为适应当前电力通信行业的发展,提升电力通信效果,文章对SDH与PTN进行了概述,分析了电力通信SDH和PTN网络的融合方法,以及电力通信SDH和PTN网络的融合策略。经过分析可对既有网络架构做到充分了解,掌握跨网对接技术的基本类型,并结合实际情况对其加以合理应用,使电力通信SDH和PTN网络得到良好融合,进一步提升电力通信质量。

骨干ROADM网络融合技术应用及研究

通过分析骨干可重构光分插复用器(Reconfigurable Optical Add-Drop Multiplexer,ROADM)的网络分层分域组网存在的问题,以网络架构扁平化为方向,以网络融合为方法,分别研究不同区域、不同层级的骨干ROADM网络结构。旨在优化骨干ROADM网络结构,降低跨域业务承载的投资成本,提高网络安全性和维护便利性。

数字消防监测网络融合下的应急响应体系构建

随着科技的进步和城市化的发展,消防安全问题日益突出。数字消防监测网络融合为应急响应体系构建提供了新的视角。本文首先分析了数字消防监测网络融合的特点,包括实时监测与预警、信息共享与协同作战、智能化分析与辅助决策。然而,在实际应用中,仍存在技术发展水平不一、资源整合力度不够、救援队伍能力不足等问题。为了解决这些问题,本文提出了优化对策,包括加强技术研发、推动资源整合、提高救援队伍能力。通过这些措施,可以进一步提高消防救援队伍的应急响应能力,保障人民生命财产安全。

网络融合与广电监管体制

广电网络与电信网络具有相似的技术经济特性。电信业重视网络的经济监管,广电业重视产业的社会政治监管。二者传统上采用分行业纵向监管的体制。网络融合改变了广电业的特性,削弱了传统体制的监管效果,产生了许多新的矛盾。建议根据网络融合的趋势,逐步改革广电监管的体制,建立电子通信业的统一监管框架,并改革内容监管的方式,以实现经济效益和社会效益双重目标。

基于软交换技术的通信网络融合

通信网络融合离不开软交换技术的发展,在此过程中,软交换系统实现了开放式的应用环节,确保第三方应用开发与新业务环节的运行。

面向社会网络融合的关联用户挖掘方法综述

现阶段大多数社会网络的研究都集中于单一的社会网络内部.社会网络融合为社会计算等各项研究提供更充分的用户行为数据和更完整的网络结构,从而更有利于人们通过社会网络理解和挖掘人类社会,具有重要的理论价值和实践意义.准确、全面、快速地关联用户挖掘,是大型社会网络融合的根本问题.社会网络中的关联用户挖掘旨在通过挖掘不同社会网络中同属于同一自然人的不同账号,从而实现社会网络的深度融合,近年来已引起人们的广泛关注.然而,社会网络的自身数据量大、用户属性相似、稀疏且存在虚假和不一致等特点,给关联用户挖掘带来了极大的挑战.分析了面向社会网络融合的关联用户挖掘所存在的困难,从用户属性、用户关系及其综合这3个方面梳理了当前关联用户挖掘的研究现状.最后,总结并展望了关联用户挖掘的研究方向.

相空间重构与神经网络融合预测模型及其在害虫测报中的应用

针对混沌时间序列 ,建立了相空间重构和 BP神经网络融合预测模型。经实例验证 ,该方法能有效地提高预测精度 ,避免了一般混沌预测要求较长时间序列的缺陷 。

网络融合下中国数字电视产业的规制与发展

技术的发展和需求的变迁导致了网络融合。在这种背景下,还处于成长期的中国数字电视产业既面临规制的挑战,也面临产业发展的问题。针对前者,需要我们着眼于数字电视的特点和网络融合的背景,建立适合我国国情的规制制度;针对后者,我们须要制订相关的产业政策,鼓励数字电视的发展。在这两方面,国外的理论和实践都给我们提供了有益的借鉴。

异构网络融合场景下车联网的移动性管理和资源管理

针对异构网络融合场景下车联网的特点,研究了车联网中的移动性管理技术和资源管理技术。在介绍物联网及车联网基本概念的基础上,分析了车联网中异构网络融合的应用场景,通过研究车联网中的通信设备、通信形式、组网方式等,提出了车联网的网络架构。与一般异构网络相比,车联网中车辆移动速度快,造成车辆接入公共网络时频繁切换的问题,为此,研究了车联网中的移动性管理技术。车联网中通信设备以及通信形式的多样化带来了多样化的业务需求,针对不同优先级业务提出了车联网中基于优先级的资源管理技术,即在异构网络的资源管理中必须保证高优先级业务在资源分配、接入控制、网络选择等方面始终处于优先状态。

对网络融合的认识及其对商业模式的影响

随着科技的进步和需求的扩张,网络的融合现象使网络型产业原来以成本次可加性为基础的自然垄断性受到了挑战。纵观网络融合的实践与演化,可以看出网络融合中的技术融合、产业融合与业务融合的多属性特征。网络融合将影响包括政府、企业和消费者在内的市场参与各方的战略决策。网络本身具有的经济特性和技术的进步形成了网络融合市场的特点,从而带动商业模式的发展,引发政府管制的变革。

基于IMS的网络融合分析

本文介绍了3GPP、ETSITISPAN和ITU-T在IMS研究方面的标准化进展情况,IMS作为网络融合解决方案面临的主要问题,分析了目前IMS在技术和产品方面的现状,并提出了运营商所关注的问题。

基于IMF熵的多传感器网络融合滚动轴承故障诊断方法研究

经验模态分解(Empirical Mode Decomposition,EMD)方法可使滚动轴承振动信号根据自身尺度自适应的分解为若干个固有模态分量(Intrinsic Mode Function,IMF),信息熵能反映系统的不确定程度,滚动轴承发生故障会导致信息熵发生变化,结合EMD与信息熵,提出了EMD空间状态特征谱熵和IMF奇异谱熵,将其作为概率神经网络的特征向量,构建多传感器系统的多个概率神经网络的初级诊断网络。由于概率神经网络累加层输出结果为属于每一种模式的概率值,用概率神经网络的累加层输出结果构建D-S证据理论的mass函数,通过D-S证据理论进行决策级融合诊断。将该方法用于滚动轴承故障模式分类,试验结果表明该方法的可行性与有效性。与单一传感器诊断相比,提高了故障诊断精度。

基于异构信息网络融合的专利技术主题识别研究

[目的/意义]利用异构信息网络融合建模开展专利技术主题识别方法研究,能有效提高专利技术主题识别的准确性。[方法/过程]利用文本挖掘技术提取专利技术主题构建共现网络,采用OVL算法及加权运算对异构信息网络进行融合,基于融合后的网络开展主题识别。[结果/结论]以工业机器人领域为例的实证研究表明:与未经融合的关键词直接共现网络相比,基于融合网络的技术主题识别结果的主题内集中性更好、主题间区分度更显著、交叉性与重叠性更低。

电信竞争与网络融合——国外的动态和中国的改革

本文回顾了国内外电信改革的历程,探讨了网络融合的方式及其对电信业改革与发展的作用,就通过网络融合进一步推进中国的电信业改革提出了三点建议。

基于分类特征空间高斯混合模型和神经网络融合的说话人识别

该文提出了一种基于分类高斯混合模型和神经网络融合(FS-GMM/NN)的说话人识别方法,通过对特征矢量进行聚类分析,将说话人的训练语音分成若干类。然后根据各个类中含特征矢量的多少采用不同的模型混合度,训练建立分类高斯混合模型。并采用神经网络实现各个分类高斯混合模型输出的融合.在100个男性话者的与文本无关的说话人识别实验中,基于分类高斯混合模型和神经网络融合的方法在识别性能及噪声鲁棒性上都优于不分类的GMM识别系统,并具有较高的模型训练效率,且可以有效地降低话者模型的混合度和测试语音长度。