社区生活服务产业数字化的“绿城样板”

社区生活服务产业数字化是承载绿城中国生活服务平台的重要载体。基于此开发的社区生活服务产业数字化平台,为合作伙伴提供社会化协作工具和平台能力;构建了一种社会协作交付模式,让社区得以快速、低成本、易复制的交付;并探索行业标准化方案,提高标准化程度,提高推广价值。

未来社区数字化实践与思考

未来社区作为共同富裕目标的现代化基本单元,已经上升为共同富裕示范区建设的战略高度。人本化、生态化、数字化作为未来社区建设的核心理念,突出了数字化的重要地位。近三年的实践总结证明,数字化在提高社区治理水平、促进公共服务均等方面发挥着重要作用,形成了统一的数字化建设框架及相关理论制度成果,但还存着建设成本高、难以复制、集成贯通难度高、应用质量与数量不协调、市场化不足等问题。随着未来社区的全域推进,数字化将朝着平台更加集约高效、服务和治理更加精细化、部署方式逐步形成云边协同模式等趋势发展,真正走出一条市场化、可持续的发展之路。

基于距离度量损失框架的半监督学习方法

为了解决半监督学习方法训练过程中因损失函数类型不同、损失尺度不统一而导致的损失权重难以调节,模型优化方向不统一与泛化能力不足的问题,提出基于距离度量损失框架的半监督学习方法.该方法从距离度量损失的角度出发,提出统一损失框架函数,实现了半监督任务中不同损失函数之间的损失权重调节.针对损失框架中嵌入向量的目标区域问题,引入自适应相似度权重,以避免传统度量学习损失函数优化方向的冲突,提高模型的泛化性能.为了验证方法的有效性,分别采用CNN13网络和ResNet18网络,在CIFAR-10、CIFAR-100、SVHN、STL-10标准图像数据集和医疗肺炎数据集Pneumonia Chest X-ray上,构建半监督学习模型与常用半监督方法进行比较.实验结果表明,在同等标签数目的条件下,提出方法具有最优的分类准确度.