联邦学习的公平性研究综述

联邦学习使用来自多个参与者提供的数据协同训练全局模型,近年来在促进企业间数据合作方面发挥着越来越重要的作用。另外,联邦学习训练范式常常面临数据不足的困境,因此为联邦学习参与者提供公平性保证以激励更多参与者贡献他们宝贵的资源是非常重要的。针对联邦学习的公平性问题,首先依据公平目标不同,从模型表现均衡、贡献评估公平、消除群体歧视出发进行了联邦学习公平性的3种分类;然后对现有的公平性促进方法进行了深入介绍与比较,旨在帮助研究者开发新的公平性促进方法;最后通过对联邦学习落地过程中的需求进行剖析,提出了未来联邦学习公平性研究的5个方向。

基于生成对抗网络的多特征融合去雾技术

为提高图像清晰度,解决传统图像在去雾过程中存在的特征提取困难、去雾不彻底等问题,提出一种基于生成对抗网络的多特征融合端到端去雾网络。该网络由生成器和判别器组成,生成器采用编解码结构,通过多特征提取融合(MFEF)块提取多种感受野下的高维表征信息。判别器使用一系列卷积计算对生成图像和清晰图像进行特征差异分析,引导生成器输出更加真实的去雾图像。实验结果表明,该算法在有效消除雾霾干扰的同时,能够最大限度地保留图像的原始色调。与现有方法相比,该算法在峰值信噪比、结构相似性客观评价指标上分别提升了2.588 dB、2.66%。

面向非平行语料的语音转换技术综述

语音转换是语音及人工智能领域的一项研究课题,其目标是在保持源语音内容不变的情况下改变语音的音色,使其听上去像是由另一个目标说话人说出的,同时还需保证语音的质量和自然度。面向非平行语料的语音转换技术是当下的热门研究内容,其使用非平行的多说话人语音数据集进行模型训练,能完成多对多以及任意对任意的语音转换。对近年来面向非平行语料的语音转换进行了全面的总结和分析。首先概述了早期面向平行语料的语音转换及其缺陷,然后对当下面向非平行语料的语音转换的各类实现方法进行介绍和对比分析,最后对语音转换技术进行了总结和展望。

情感语音合成综述

作为语音领域一个重要的研究方向,语音合成致力于将文本转化为语音。随着深度学习技术的快速发展,语音合成的目的早已不仅仅是合成一段“能听懂”的音频这么简单,情感的加入往往能使语音变得更加具有表现力。基于此,情感语音合成在语音中加入不同的情感并对情感进行调控,以生成灵活且准确的情感语音。从情感语音合成中的几个关键科学问题出发,分别对近几年来基于情感迁移、情感强度控制和情绪混合的发展进行了总结分析,并介绍了情感语音合成的相关数据集和评价指标,最后对情感语音合成进行了展望。

数字说话人脸生成技术综述

在现代计算机视觉和自然语言处理的交叉领域,数字说话人脸生成技术已经成为一个越来越重要的研究主题。数字说话人脸生成技术专注于依据预定的文本或音频序列生成逼真的人脸图像。近年来,深度学习方法,如卷积神经网络、生成对抗性网络以及神经渲染场在此领域已经表现出了显著的应用价值。这些方法不仅引起了学术界的广泛关注,而且在工业界得以实际应用,用于解决图像处理和计算机视觉方面的具体问题。尽管已经取得了一定的进展,实际应用这些方法仍然面临诸多挑战。综合分析和评估深度学习方法在数字说话人脸生成方面的具体实现,以识别现存方法的优缺点,探讨尚待解决的普遍问题,并突出仍需进一步研究的开放性问题。此外,从统计学角度列出了目前可用的数据集,并对其进行评估和比较,以便研究人员能更容易地选择满足他们需求的数据集。

从0到1——平安云的构建与运维实践

云计算是21世纪兴起的新型IT服务交付和使用模式，云服务供应商通过大规模分布式的计算、存储、网络设备和软件技术提供不同层级的服务，用户通过刚络以按需自助、弹性灵活的方式获得所需服务。云服务具备随时获取、按需使用、弹性伸缩、按使用量付费等多种优势，随着移动互联网、物联网和大数据应用的不断深入，企业传统IT基础设施的交付方式已经不能满足业务的怏速发展需求。

虚拟人形象合成技术综述

随着元宇宙兴起,针对虚拟人形象化高效建模的需求日益迫切。从人类图像数据集中构建人类模型一直是计算机视觉的热门话题,其中3D虚拟人合成可以视作三维重建的子模块,重点在于对复杂的人体结构和表面细节的还原。对近年来虚拟人形象构建相关文献进行了全面调研,研究范围覆盖了全身形象、头部形象以及衣物建模等领域。分析归纳构建工作的基本原理,从各自技术路线层面出发将虚拟人合成方法分为基于网格、基于图像、基于体素、基于隐式表示、混合表示5类。首先介绍各类方法的基本原理,然后结合现有工作讨论具体技术,并指出各类方法的优缺点。此外还介绍了部分常见的模型质量评估的数据集和评价指标,简要介绍了虚拟人的常见应用。最后对虚拟人合成技术未来发展方向进行了展望,以合成高质量、高保真度、低延迟的虚拟人形象。

表现性语音合成综述

语音合成是语音、语言和机器学习领域的一个热门研究课题,旨在合成给定文本的可理解和自然的语音,在工业中有广泛的应用。语音合成的目标之一是合成自然的语音,而目前的语音合成在情感、韵律等方面还有很大的改进空间。对表现性语音合成进行了全面的调查,旨在更好地了解当前的研究现状和未来的趋势。对近年来基于情感及韵律的表现性语音合成进行了全面的总结、比较和分析。首先介绍了普通语音合成的传统实现方式及瓶颈;然后引入表现性语音合成并描述表现性语音合成在情感、韵律等方面为语音合成自然化带来的增益;最后对表现性语音合成进行了展望和总结。

基于算力网络的元宇宙分层处理模型设计

元宇宙是对现实世界虚拟化、数字化的过程,融合了多种技术。虚拟现实和区块链是构建元宇宙的底层技术,但两者在数据处理和算力需求上有很大不同。为了解决元宇宙中区块链和虚拟现实的数据异构、算力异构等问题,提出“元算中心”的概念,并且在硬件架构上将元算中心、区块链节点、边缘服务器组成算力网络。元算中心集中处理元宇宙虚拟场景渲染数据与虚拟人物的交互;数字资产和个人信息利用区块链在多个分布式节点上进行脱敏存储;边缘服务器敏捷响应用户请求,并作为区块链的轻节点存储部分信息。在软件架构上,结合硬件架构设计分层处理模型,将模型数据、资产数据等异构数据放在不同软件层处理。最后结合软硬件架构,设计并实现了元宇宙购物商城原型系统,为将来的元宇宙应用提供一定的参考。

试析企业智慧财务管理体系建设与实践

信息时代背景下,利用云计算、大数据、互联网、人工智能等多种先进技术手段,构建智能化、高效化、信息化的财务管理系统,实施预算管理、费用控制、核算处理、税务报告以及经营分析,为各个领域提供技术和平台支持,这就是智慧财务管理体系建设的内涵。相关体系的建设有利于促进财务管理创新,降低企业财务风险,大大提高财务管控效率,促进业务协同发展,维护企业稳定运营。基于此,文章首先概述智慧财务管理体系,然后分析构建智慧财务管理体系的意义,接下来论述智慧共享财务管理体系建设的内容,最后提出智慧财务管理体系的实施路径,以期为企业财务管理转型发展指明方向。

联邦元学习综述

随着移动设备的普及,海量的数据在不断产生。数据隐私政策不断细化,数据的流动和使用受到严格监管。联邦学习可以打破数据壁垒,联合利用不同客户端数据进行建模。由于用户使用习惯不同,不同客户端数据之间存在很大差异。如何解决数据不平衡带来的统计挑战,是联邦学习研究的一个重要课题。利用元学习的快速学习能力,为不同数据节点训练不同的个性化模型来解决联邦学习中的数据不平衡问题成为一种重要方式。从联邦学习背景出发,系统介绍了联邦学习的问题定义、分类方式及联邦学习面临的主要问题。主要问题包括:隐私保护、数据异构、通信受限。从联邦元学习的背景出发,系统介绍了联邦元学习在解决联邦学习数据异构、通信受限问题及提高恶意攻击下鲁棒性方面的研究工作,对联邦元学习的工作进行了总结展望。

基于高频遥感因子的EMD-ADL-MIDAS期货价格预测模型——以橡胶期货价格为例

本文以橡胶期货的特性为基础,构建了一个预测橡胶期货价格的因子体系,并进一步引入了高频的橡胶遥感因子,运用EMD-ADL-MIDAS模型进行实证预测分析。结果显示,橡胶遥感因子具有高度的准确性和可靠性,能作为预测橡胶期货价格的有效先行指标,为模型预测增添了价值。在模型改进方面,本文通过采用超参数最优组合的混频ADL-MIDAS模型处理不同频率的宏观数据与遥感因子,增强了混频信息的提取能力,模型预测效果相较于同频模型有显著改善。此外,本文将波动较大的橡胶期货价格进行了EMD分解,分解后的橡胶期货价格更为稳定,以便模型能更有效地捕获橡胶期货价格的趋势和季节性特征,从而进一步提高了模型预测的准确性。本文成果可为期货市场的各类参与者提供有力的决策支持,同时具有重要的理论和实践价值。

节奏舞者:基于关键动作转换图和有条件姿态插值网络的3D舞蹈生成方法研究

3D舞蹈是元宇宙中虚拟人的一种重要表现形式,它将音乐与舞蹈进行有机结合,大大增强了元宇宙中相关应用的趣味性。之前的工作通常把3D舞蹈生成简单视作一个序列生成任务,但是生成的舞蹈动作质量较差且与音乐的契合度较低。受人类学习舞蹈过程的启发,提出了一种新颖的3D舞蹈框架——“节奏舞者”来解决上述问题。该框架首先使用VQ-VAE-2对舞蹈进行分层编码量化,可有效改善舞蹈生成质量;然后使用节奏点上的关键动作编码建立关键动作转换图,既可保证生成的舞蹈动作与音乐节拍的契合度,又可增加舞蹈动作的多样性。为了确保关键动作之间平滑自然地连接,提出了一个姿态插值网络来学习关键动作之间的转换动作。通过大量实验证明,该框架避免了长序列生成的不稳定和不可控问题,实现了舞蹈动作与音乐节奏的高度契合,达到了当前最优效果。

基于数字孪生技术的元宇宙空气污染物浓度推断模型

空气污染与人们的健康和经济社会的发展息息相关。然而,监测站点分布稀疏,无法提供细粒度的空气污染物浓度。此外,现有的空气污染物浓度推断方法缺乏实时处理相关数据的能力,具有滞后性。为了解决上述问题,提出了一种基于数字孪生技术的元宇宙空气污染物浓度推断模型。该模型将现实数据映射到元宇宙空间中,并构建数据仓库,通过构建空气污染物特征库实现对空气污染物浓度的实时精确推断。实验结果表明,该模型能提高空气污染物浓度推断的准确性和有效性。

BDCode:一种面向大数据存储系统的纠删码算法

针对含有大量数据的大数据存储系统,提出了一种基于编码技术的面向大数据备份的优化算法(BDCode).该算法通过对不同编解码服务器设置不同的虚拟节点存储组来保证系统的可用性,节点和数据块的并行解码计算提高了系统中数据损坏时的恢复效率.实验表明,所提出基于编码的大数据系统备份机制可以提高系统的存储利用率,并行解码方式的引入能加速减少数据损坏时的恢复时间,并能达到零号的系统负载均衡;此外不同的用户设置不同的编码参数,增加了大数据系统的鲁棒性.实验通过设置不同的数据块m和校验块k的比例来提升利用率,并行解码速度相比以前的串行提高近两倍.使用BDCode比CRS编码效率平均高36.1%,解码效率平均高19.3%;比RS码编码效率平均高58.2%,解码效率平均高33.1%.

从传统产业跨向新兴产业的制高点--广东德豪润达的跨产业升级案例研究

以珠海德豪润达为例,探讨了企业由传统小家电产业跨越到LED新兴产业,通过合作创新并协同利用原有业务生产研发与采购体系形成新的利润增长点,最终实现小家电与LED双主业协同发展的跨产业升级过程。研究指出:跨产业升级,立足相关性资源是一有效途径;通过收购研发或品牌企业,获取战略性资产,推动传统企业跨产业升级;通过打通全产业链,掌握微笑曲线的两端,促进传统企业跨产业升级;传统企业升级可以是多种升级模式相结合,OEM与OBM协同发展,多种业务协同发展。

乳酸菌及葡萄糖对鱼片中细菌群落及TVBN值的影响

研究了葡萄糖和乳酸菌对罗非鱼片上细菌群落和TVBN值的影响发现经嗜酸乳杆菌CICC6074以及1.5%葡萄糖处理后鱼片的感官性状基本不变。对照鱼片在4℃冷藏6 d,其TVBN值超过国家限量标准;而CICC6074处理的鱼片冷藏12 d后才超过此标准。葡萄糖虽然加速了冷藏初期细菌的生长,但对鱼片上最终的细菌数量没有影响,并可明显降低鱼片的TVBN值。用葡萄糖和CICC6074混合处理鱼片是否可以进一步降低TVBN值则未能确定。PCR-DGGE分析发现,鱼类的特定腐败菌——假单胞菌在CICC6074处理的鱼片其生长被明显延缓,冷藏6 d后数量才明显增加;而对照鱼片仅冷藏3 d其数量已明显增加。鱼片上吸附的CICC6074数量在冷藏初期略有增加,6 d后下降,9 d后消失。结果表明,嗜酸乳杆菌CICC6074可用于鱼片保鲜,而葡萄糖可降低鱼片的TVBN值。

基于腰椎螺旋CT图像以卷积神经网络技术全自动识别并重建椎间盘的可行性

目的观察基于腰椎螺旋CT图像以卷积神经网络技术全自动识别及重建椎间盘的可行性。方法回顾性分析400例腰痛患者的腰椎CT资料,以其中320例为训练集、40例为验证集、40例为测试集。以人工智能(AI)系统进行学习训练和测试。以深度学习(DL)卷积神经网络3D V-Net技术分割腰椎轴位CT图像中的椎体与椎间盘,并轴位重建椎间盘;以Dice系数评估分割精度。由2名放射科医师分别对AI重建图像及人工重建图像进行图像质量评分并进行对比。结果AI分割骶椎椎体、L5椎体、L1~L4椎体及椎间盘的Dice系数分别为0.953、0.940、0.940及0.926,平均为0.940。针对测试集40例,采用腰椎螺旋CT数据经卷积神经网络技术完成197个椎间盘重建。2名放射科医师对197幅AI重建图像及人工重建图像的中位评分均为4分,差异无统计学意义(P均>0.05);评分一致性加权Kappa值为0.862[95%CI(0.778,0.946),P<0.001]。结论基于腰椎螺旋CT图像卷积神经网络全自动识别及重建椎间盘的可行性令人满意。

深度神经网络学习的结构基础:自动编码器与限制玻尔兹曼机

自动编码器(AE)和限制玻尔兹曼机(RBM)是在深度神经网络领域广泛使用的两种常见的基础性结构。它们都可以作为无监督学习的框架,通过最小化重构误差,提取系统的重要特征;更重要的是,通过多层的堆叠和逐层的预训练,层叠式自动编码器和深度信念网络都可以在后续监督学习的过程中,帮助整个神经网络更好更快地收敛到最小值点。

图神经网络综述

随着互联网和计算机信息技术的不断发展,图神经网络已成为人工智能和大数据处理领域的重要研究方向。图神经网络可对相邻节点间的信息进行有效传播和聚合,并将深度学习理念应用于非欧几里德空间的数据处理中。简述图计算、图数据库、知识图谱、图神经网络等图结构的相关研究进展,从频域和空间域角度分析与比较基于不同信息聚合方式的图神经网络结构,重点讨论图神经网络与深度学习技术相结合的研究领域,总结归纳图神经网络在动作检测、图系统、文本和图像处理任务中的具体应用,并对图神经网络未来的发展方向进行展望。