数智技术赋能出版“走出去”——以武汉理工数字传播工程有限公司实践为例

探索大数据、区块链、云计算、人工智能等数字化与智能化技术在出版领域的应用实践,为出版业“走出去”战略赋能。文章以武汉理工数字传播工程有限公司在出版融合领域的创新实践为案例,分析其利用数字化与智能化技术打造“现代纸书”“元宇宙图书”和“AI编辑工作室”等产品的具体举措,探讨这些实践对出版“走出去”产生的影响,包括:提升图书核心竞争力,拓宽全球传播网络;深度挖掘读者兴趣,实现精准个性化服务;革新数字出版平台,缩短传播“数字距离”;运用数智技术,提高翻译质量。

数字文化元宇宙关键技术对数字文化产业的影响分析

[目的]随着元宇宙从单纯的概念走向真实的落地应用,数字文化产业迎来了新一轮蓬勃发展,但是当前数字文化产业仍然存在优质内容稀缺,生产效率低下,权益保护面临挑战等问题,亟需一条适合的技术解决路径。[方法]本文首先分析了数字文化产业当前面临的现状与存在的问题,接着提出了“数字文化元宇宙项目”的整体设计及其关键技术的功能,并阐述了其对数字文化产业所产生的积极影响。[结论]实践证明,“数字文化元宇宙项目”将拓展数字文化市场空间、推动数字文化传承与创新、实现数字文化个性化触达以及助力数字文化版权保护,为推动元宇宙背景下数字文化产业的高质量发展保驾护航。

企业数字化档案管理系统建设——从设计到实施

现代企业通常具有机构庞大、下属单位众多、层次分散等特点,企业档案管理工作量大且复杂。随着云计算、网络存储备份、大数据等技术的出现,企业档案管理的中心职能也发生了根本性的变化,企业档案管理逐步转变为“无纸化存储”和“网络管理”。本文针对企业数字化档案管理建设,梳理了相应的设计应用框架,提出创新发展数字化档案管理技术、提高档案管理数字化水平的建议,以期为建立完善的企业数字化档案管理体系提供一些思路。

基于ViT的轻量级恶意代码检测架构

随着信息社会的快速发展,恶意代码变体日益增多,给现有的检测方法带来了挑战。为了提高恶意代码变体的检测准确率和效率,文章提出一种新的混合架构FasterMalViT。该架构通过融合部分卷积结构改进ViT,显著提升其在恶意代码检测领域的性能。为了解决引入卷积操作导致参数量增加的问题,文章采用可分离自注意力机制替代传统的多头注意力,有效减少了参数量,降低了计算成本。针对恶意代码数据集中各类样本分布不均衡的问题,文章引入类别平衡焦点损失函数,引导模型在训练过程中更关注样本数量较少的类别,从而提高难分类别的性能。在Microsoft BIG、Malimg数据集和MalwareBazaar数据集上的实验结果表明,FasterMalViT具有较好的检测性能和泛化能力。

基于雅可比显著图的电磁信号快速对抗攻击方法

为了生成高质量的电磁信号对抗样本,提出了快速雅可比显著图攻击(FJSMA)方法。FJSMA通过计算攻击目标类别的雅可比矩阵,并根据该矩阵生成特征显著图,之后迭代选取显著性最强的特征点及其邻域内连续特征点添加扰动,同时引入单点扰动限制,最后生成对抗样本。实验结果表明,与雅可比显著图攻击方法相比,FJSMA在保持与之相同的高攻击成功率的同时,生成速度提升了约10倍,相似度提升了超过11%;与其他基于梯度的方法相比,攻击成功率提升了超过20%,相似度提升了20%~30%。

基于凝聚层次聚类算法的ATT&CK模型改进

在应用ATT&CK模型(网络攻击模型)进行网络安全威胁分析的过程中,ATT&CK模型提供的技术集合过于复杂。针对ATT&CK模型应用复杂的问题,论文对模型的技术集进行聚类简化研究,提出了基于聚类算法的模型改进方法,首先对ATT&CK模型的技术集合进行量化和聚类趋势评估,然后对量化的数据应用凝聚层次聚类算法得到简化的聚类结果,最后通过实验验证模型改进有效性。

一种面向航空母舰甲板运动状态预估的鲁棒学习模型

航母甲板在风、浪、流等因素影响下做六自由度不规则运动,影响舰载机着舰精度.航母甲板运动预估与补偿是自动着舰系统的重要功能之一,也是提高舰载机着舰安全性与成功率的关键技术之一.为此,提出一种面向甲板运动预估的鲁棒学习模型,通过基本构建单元自适应演化出复杂学习系统.构建单元的训练采用非梯度的伪逆学习策略,提高了训练效率,简化了学习控制超参数调优;构建单元的架构设计采用数据驱动的策略,简化了架构超参数调优;采用图拉普拉斯正则化方法提高了模型对噪声和意外扰动的鲁棒性.通过某型航母在中等海况条件下以典型航速巡航时的仿真实验,验证了所提方法在甲板纵摇、横摇以及垂荡运动预估问题中的有效性及鲁棒性.

融合HousE和注意力机制的知识推理模型

知识推理技术是解决知识图谱缺失问题所提出的方法,并在近年来不断发展。为了解决推理中准确度低、可解释性差、适用性不强等问题,提出了一种融合注意力机制和HousE的知识推理模型Att-HousE。该模型由一个带注意力机制的规则生成器和一个带HousE嵌入的规则预测器组成,规则生成器生成推理需要的规则并传入预测器,预测器更新并得到不同规则的得分,然后通过EM算法不断训练优化生成器与预测器。具体而言,该模型是建立在RNNLogic的基础上并作出改进,注意力机制可以选取更值得关注的关系作为规则,提高了模型准确度,HousE嵌入则在处理复杂关系上更具有灵活性,并适用于建立多边关系。在公开实验数据集上的结果表明,Att-HousE在FB15K-237上做推理任务时,MRR指标整体比RNNLogic高出6.3%;在稀疏数据集WN18RR上,Hits@10指标整体比RNNLogic高出2.7%,证明了引入HousE和注意力机制后可以更全面地抓取和形成多边关系,提升知识推理的精度。

融合自注意力和实体类型知识的实体关系联合抽取模型

从非结构化文本中抽取实体关系三元组是自然语言处理中的主要任务形式之一。目前主流的方法是采用联合式抽取,能够在训练过程中自动捕捉到实体与关系间的依赖知识,提高了实体和关系的抽取效果。但这些方法忽略了实体的类型知识,导致大量的冗余计算和错误结果的产生。鉴于此,文中提出一种融合注意力和实体类型知识的实体关系联合抽取方法。首先,采用预训练模型BERT作为编码器得到句子中各字符的向量表示,再经双向LSTM层处理得到最终的语义表示;其次,基于表示层的结果完成头、尾实体的识别;接着,通过融合不同头实体的语义信息到句子表示中,实现头实体类型约束下的潜在语义关系发现;最后,将头实体和关系分别输入自注意力模块识别出对应尾实体,得到实体关系三元组。通过在公开数据集NYT和WebNLG上的大量实验表明:文中所提模型在实体关系联合抽取任务中的F1值达到了93.2%和93.3%,与当前主流模型相比提升显著。

基于混合存储结构的分级协同节能方案

新能源的应用已成为一种趋势,但具体到存储I/O领域,存储设备通常会根据存储负载的强度进行节点调度,而不规则波动的新能源和存储负载之间存在波峰波谷错位匹配的问题,增加了存储设备的调度难度。提出了一种针对NVM-SSD混合存储介质的分级协同节能方案MixSave,为每一层提供定制化节能方案并且协同调度,提升了新能源能效比。基于NVM和SSD存储介质的性能与能耗特点,MixSave采用NVMSSD的高性价比分级存储架构,为用户提供高性能、大容量存储服务,并且通过副本保证数据可靠性。NVM作为缓存层采用负载驱动型方案,以保证性能为优先目标,即根据负载变化动态调整高功耗状态的NVM设备数量,满足负载需求;SSD作为数据层采用新能源驱动型节能方案,以提升新能源利用率为目标,根据新能源的变化动态调整SSD启用数量,进行缓存数据同步与预取。测试表明,与未采取节能措施的标准方案相比,MixSave性能下降不超过4%,在轻负载模式下,MixSave可节省73%~80%的传统能源,在重负载模式下,可节省55%~61%的传统能源。

关于AI大模型技术赋能船舶领域的认识

概述了人工智能(artificial intelligence,AI)大模型研究的焦点、发展趋势及其技术本质,分析了国家层面的人工智能发展战略、国防领域的紧迫需求以及船舶领域应用的基础。从智能绿色船舶的发展、防务装备体系的革新、管控体系的建设以及知识密集产业的转型等方面,探讨了将人工智能大模型技术应用于船舶领域的广阔前景。人工智能大模型技术与“平行系统”“知识工厂”和“数字员工”等理念相结合,能够催生“AI设计”+“数字工厂”+“平行验证”等新型设计、研发和验证手段。此外,人工智能大模型技术可以从船体设计、船舶建造、航运管理、节能减排等方面为船舶行业注入智能和绿色元素,优化船舶各项功能,提高企业运营的效率,提升经济性和环保性。与新能源、新材料、先进制造和电子信息等战略新兴产业结合后,人工智能大模型技术能够基于新理念和新形态塑造未来海洋防务装备体系。同时,人工智能大模型技术能够赋能船舶管控体系的建设,优化规划计划、助力科技创新、提高管理效率和改善用装质效等。特别是随着船舶领域知识工厂的建立、数字人员工的培训、工业机器人的推广以及对深远海领域的拓展,人工智能大模型技术将能够推动船舶领域“自然人”“机器人”和“数字人”的有机结合和密切协同,加速船舶行业向知识密集型和智能密集型升级,使产业生态和价值创造模式向高端化、智能化和绿色化转变,实现更注重质量和效率的发展方式。

一种基于时空知识图谱的意图识别置信度评估方法

意图识别算法存在识别结果缺少评估、领域知识不完备等问题,迫切需要研究置信度评估方法。利用时空知识图谱统一表示包含时空信息的实体,将作战目标及其关系抽象表示为时空知识三元组。利用典型对抗场景数据训练神经网络,计算并融合实体和知识图谱两个层面的置信度,得到最终置信度评估结果。仿真结果表明,利用时空以及目标型号信息,分析作战目标存在某种作战意图的可能性,能有效评估意图识别结果的置信度,对于意图识别系统的真正“落地”具有重大意义。

基于战术意图欺骗的无人舰艇航路规划算法

随着海战场的智能化,无人舰艇的航路意图欺骗性对作战至关重要。针对传统航路规划算法对航路意图欺骗性的考虑缺失,提出一种作战空间欺骗性能的离散表征方法,以及一种基于PID代价的DTI-A*欺骗航路规划算法。经仿真实验结果表明,该算法可以显著提高所规划航路的欺骗性,极大程度地阻碍敌方对我方战术意图的识别,大幅提升作战任务的成功率。

N公司通信网络设备产品的市场营销战略研究

随着5G、物联网、人工智能等技术的快速发展,通信设备的需求和应用场景不断增加,市场竞争也变得日益激烈。N公司作为通信设备领域的企业,需要深刻洞察行业动态,制定有效的市场营销战略,以确保企业能在激烈的市场竞争中脱颖而出。本文将着重探讨N公司通信网络设备产品的市场营销战略。通过深入剖析市场分析和定位、产品策略、定价策略、推广策略、渠道管理、客户关系管理等内容,为N公司提供有效的指导。

高密度标准延迟线研制及定值研究

延迟时间是数字集成电路测试误差的重要来源,传统单根标准延迟线对测试系统进行校准的方法,已无法满足测试系统高达数百测试通道的计量要求。针对测试系统传输延迟时间高效准确测量的需求,提出了一种基于微带线结构的高密度标准延迟线集成及定值思路,设计了4种规格的高密度标准延迟线,实现了单规格标准板上512路标准延迟线的高密度集成,提升了标准器具的便携性,提高了测试系统计量效率;设计了基于时域反射技术的标准延迟线定值方法,通过多组对比试验验证,测量结果偏差小于50 ps,延迟线满足测试系统现场计量需求。

基于实体对注意力机制的实体关系联合抽取模型

实体关系抽取是实现海量文本数据知识化、自动构建大规模知识图谱的关键技术。考虑到头尾实体信息对关系抽取有重要影响,该文采用注意力机制将实体对信息融合到关系抽取过程中,提出了基于实体对注意力机制的实体关系联合抽取模型(EPSA)。首先,使用双向长短时记忆网络(Bi-LSTM)结合条件随机场(CRF)完成实体的识别;其次,将抽取的实体配对,信息融合成统一的嵌入式表示形式,用于计算句子中各词的注意力值;然后,使用基于实体对注意力机制的句子编码模块得到句子表示,再利用显式融合实体对的信息得到增强型句子表示;最后,通过分类方式完成实体关系的抽取。在公开数据集NYT和WebNLG上对提出的EPSA模型进行评估,实现结果表明,与目前主流联合抽取模型相比,EPSA模型在F_(1)值上均得到提升,分别达到84.5%和88.5%,并解决了单一实体重叠问题。

联合作战方案互通技术框架

为提升作战效能,分析了联合作战方案互通一致性工作的重点和难点。针对联合作战方案的特点和方案互通一致性的需求,提出了一种联合作战方案互通一致性技术框架。该框架包含联合作战方案一致性描述方法,方案互通分专业、分层级、分模式的互通方式设计,以及方案互通软件功能和流程的设计。案例分析表明,该框架可解决联合作战方案互通不一致的问题,有效提升编队协同作战能力。

数字集成电路测试系统测试结构及校准原理分析

文章介绍了数字集成电路测试系统的测试结构,分析了测试过程中各部分的工作原理,说明了测试的实现过程。在此基础上,提出了测试结构中各部分的校准原理与实现方法。

基于管制指令的飞行冲突调配评估方法的研究

通过分析飞行冲突的预测与调配过程,根据飞行计划内的航迹和按调配规则调配后的航迹的对比明确飞行冲突危险指数概念,以此构建以有效性、准确性和及时性三个指标为基准的飞行冲突调配评估指标体系和评估指标的计算过程。飞行冲突评估指标体系及对比分析方法对飞行冲突的调配过程进行了量化,提高了决策结果的可信度,实现了在飞行冲突调配过程中对管制指令的分析。

一种基于管制负荷的空域运行安全评估方法研究

通过分析空域运行安全影响因素,建立一种基于运行安全的管制空域内碰撞风险模型。基于此模型,利用管制负荷与飞行流的关系以及空域安全水平与飞行流的关系,采用数值分析、曲线拟合等方法,建立管制负荷与空域安全风险水平间的关系,设计一种基于管制负荷的空域使用安全评估方法。