基于深度学习的图像语义通信系统

语义通信是一种新颖的通信方式，可通过传输数据的语义信息提高带宽效率。提出一种用于无线图像传输的系统。该系统基于深度学习技术开发并以端到端（E2E）的方式进行训练。利用深度学习实现语义特征的提取和重建，在发送端提取信源信息不同类型和不同形式的语义特征，在接收端融合各类型语义特征进行目标语义恢复。仿真结果表明，与基准模型相比，所提模型在信道环境恶劣的情况下，具有更好的重建精度。     

基于场景分割的视频内容语义管理机制

针对视频内容管理在不同层面存在语义鸿沟的问题,提出基于UCL（Uniform Content Locater）的视频语义描述框架,该框架包含了三个层次的语义：内容语义、控制语义以及物理属性信息.而视频场景的分割则通过视频内容基于时空上的相似性实现.对于每个视频场景,结合局部纹理复杂度、背景亮度和场景复杂度,选择最佳参考帧（I帧）与非最佳参考帧（非I帧）以嵌入不同的语义信息：控制语义、物理属性信息嵌入I帧,内容语义嵌入非I帧.利用数字语义水印技术来实现视频内容的语义管理,完成语义信息和载体信号的一体传输和存储.实验中采用JM参考模型进行数字水印方法的验证,结果表明该方法鲁棒性强,且不会造成视频资源质量显著下降.     

面向6G的深度图像语义通信模型

目前的语义通信模型在处理图像数据方面仍有可改善的部分，包括有效的图像语义编解码、高效的语义模型训练和精准的图像语义评估。为此，提出了一种深度图像语义通信（DeepISC）模型。首先采用基于vision transformer的自编码器（ViTA）网络实现高质量的图像语义编解码；接着采用自编码器实现信道编解码，保证语义在信道上的传输；然后利用判别器网络（DSN）和ViTA的双网络架构协同训练，提高重建图像的语义精度；最后针对不同的下游视觉任务提出不同的图像语义评估指标。仿真结果表明，相较于其他方案，DeepISC可以更有效地还原传输图像的语义特征，使重建图像在各个下游任务中都展现出与原图像相同或相近的语义结果。     

基于语义模型的信息推送平台研究

为解决汽车行业新闻语义关联划分问题,建立了基于语义模型的信息推送平台,通过对采集信息进行语义属性标注,实现信息间的关联与整合,以及信息的个性化主动推送。研究发现基于行业数据建立起的企业、品牌和车型的语义模型,将行业标识扩展到语义层次上,克服了关键词表示的缺陷,能很好地完成信息资源的划分。     

大数据中一种基于语义特征阈值的层次聚类方法

云计算、健康医疗、街景地图服务、推荐系统等新兴服务促使数据的种类和规模以前所未有的速度增长,数据量的激增会导致很多共性问题。例如数据的可表示,可处理和可靠性问题。如何有效处理和分析数据之间的关系,提高数据的划分效率,建立数据的聚类分析模型,已经成为学术界和企业界共同亟待解决的问题。该文提出一种基于语义特征的层次聚类方法,首先根据数据的语义特征进行训练,然后在每个子集上利用训练结果进行层次聚类,最终产生整体数据的密度中心点,提高了数据聚类效率和准确性。此方法采样复杂度低,数据分析准确,易于实现,具有良好的判定性。     

可扩展分层次编译码的语义通信系统

针对目前文本语义通信大部分研究主要依靠仿真系统进行理论验证的问题，利用分层次编译码架构在语义层次和语法层次上的分离性，提出了一种可扩展分层次的语义通信系统。该系统通过语义和语法层次相分离的模式有效兼容香农信息框架下的可靠通信技术，实现语义通信与传统通信的嵌套结合。进一步，基于软件无线电平台搭建了一个通用可扩展的验证系统，对所提语义通信系统架构进行实用化验证。该验证系统以语义通信软件平台作为硬件驱动和算法调用的驱动核心，集成了信号产生、信息发送、接收端数据采集、译码和评估的全过程，并且能够面向语义和语法层次进一步扩展。最后，基于该验证系统进行了文本语义通信的测试，验证了其相较于传统通信方式具有更高的有效性和可靠性。     

情绪识别技术在电力智能客服系统中的应用研究

为提升电力系统中智能客服系统的效率,降低人工成本,提出一种基于长短时记忆网络(Long Short Term Meory ,LSTM)的情绪识别方法。首先利用词嵌入(Word Embedding)方法提取出对话内容的特征表示,并根据先验知识添加情感特征,生成具有情绪语义的词向量,基于双向长短时记忆网络训练得到情绪分类模型,将问题解决的需求分为紧急、一般与非紧急三个级别,并可将分类结果用于优先级自动调度决策中,判断是否应立即接入人工服务。在真实的电力客服对话平台数 据集上对算法在准确度和响应时间两个方面进行测试,实验结果表明,算法对情绪的识别准确率达到了较高的水平,且响应时间可以满足系统实时处理的需求,有较高的实用性。     

电力电子系统集成化的前景概述（下）

在电力电子模块装配中采用的绝大多数电力半导体芯片都具有内在的垂直结构，其中金属化的输入／输出电极（垫片）安置在芯片的两侧。通常，栅极和源极（或射极）垫片带着薄膜金属铝（Al）端子放置在顶部表面以利超声联结。漏极（或集电极）是做在芯片底部的沉积金属化层（大多数情况下为银或金），它是准备焊接到基础衬底上去的。这种垂直结构使人可以构成一种分层型三维多芯片模块（Multichip—module，简称MCM）结构。图4（a）表示按这种方法设计的电力电子模块的剖面图。它包括三个层次：     

信息通信英语新缩略语

HCI(Human鄄ComputerInteraction，人—机对话)HDLC（High鄄levelDataLinkControl，高级数据链路控制）ISO颁布的一种基于比特流的数据链路层通信规程。链路控制通过一定比特组合表示的命令和响应实现，可与信息文件一起传送，而且信息文件可以是任意的比特串组合，传输效率、可靠性及灵活性很高。HDSL（High鄄bit鄄rateDigitalSubscriberLine，高速数字用户线）一种铜线接入技术，具有在一对普通用户线上双向传输1.168Mbit/s的信息，或两对用户线上传输2.048Mbit/s信息的能力。但目前还不能传输2.048Mbit/s以上的信息，传输距…     

DECANet：基于改进DeepLabv3+的图像语义分割方法

在图像的语义分割任务中，不同对象之间像素值存在差异，导致现有的网络模型在图像语义分割过程中丢失图像局部细节信息。针对上述问题，提出一种图像语义分割方法（DECANet）。首先，引入通道注意力网络模块，通过对所有通道的依赖关系进行建模提高网络的表达能力，选择性地学习并强化通道特征，提取有用信息，抑制无用信息。其次，利用改进的空洞空间金字塔池化（ASPP）结构，对提取到的图像卷积特征进行多尺度融合，减少图像细节信息丢失，且在权重参数不改变的情况下提取语义像素位置信息，加快模型的收敛速度。最后，DECANet在PASCAL VOC2012和Cityscapes数据集上的平均交并比分别达81.08%和76%，与现有的先进网络模型相比，检测性能更优，可以有效地捕获局部细节信息，减少图像语义像素分类错误。     

基于CSI反馈的语义图像传输

语义通信通过构建传输背景知识库、感知传输内容，大大节省传输带宽，提升传输质量。该方面的研究逐步与无线通信物理层融合，从而构建完整的语义传输系统，但现存的端到端语义编码设计无法感知不断变化的无线信道。提出了基于信道状态信息反馈的图像语义分割编码（SS-CSI）方案，根据不同子信道上的信噪比（SNR）对传输的关键特征信息进行分割和编码，并根据实际分类任务需求保护相关语义特征。仿真测试表明，SS-CSI根据实际信道环境，在低SNR下大幅提升了物体传输质量和分类性能，在高信噪比上则进一步传输更多背景信息，提升了整体的图像均方误差性能。     

我国互联网发展出现三个新动向

国务院新闻办副主任蔡名照9月23日在南京召开的2008中国互联网大会上表示,我国互联网发展出现了三个新动向：（1）从应用领域看,我国互联网正从信息传播和娱乐消费为主向商务领域延伸．电子商务迅速发展,互联网开始逐步深入到国民经济的更深层次和更宽领域;（2）从服务模式看,互联网正从提供信息服务向提供平台服务延伸;     

针对语法变换对抗攻击的数据增强防御

<正>针对现有的无监督语法可控文本生成模型存在的问题进行改进，通过在原输出目标上进行合理的扰动，生成了与原输出样本语法结构相同，语义近似的新输出目标。以此方式消除无监督生成模型训练过程中过于关注输入的问题，使模型在应用中会删除输入样本中不符合目标语法模板的冗余旧词，此生成模型较原模型获取了更高的BLEU得分。进一步，设定多个目标语法模板，利用此生成模型获取同一语义在不同语法模板下的表示，使用对比学习范式，将同一语义的多种表示、同一标签的数据归为正例，不同标签的数据归为反例，训练得到了具有更强鲁棒性的分类模型。     

营销客服系统在电力行业的应用

通过客户服务平台客户可以通过95598供电服务热线、营业厅、网络、信函等渠道获得咨询查询、故障报修、意见反馈及诉求、投诉举报、信息订阅、更改客户信息等服务,以往客户需要在营业厅办理的绝大部分业务都可以在电力客服管理系统中完成。提高了贵州电网对外服务形象。     

基于空间语义对象混合学习的复杂图像场景自动分类方法研究

场景分类是将多幅图像标记为不同语义类别的过程。该文针对现有方法对复杂图像场景分类性能欠佳的不足,提出一种新的基于空间语义对象混合学习的复杂图像场景分类方法。该方法以多尺度分割得到的图像对象而非整幅图像为主体进行产生式语义建模,统计各类有效特征挖掘对象的类别分布信息,并通过空间金字塔匹配,构建包含层次数据和语义信息的中间向量,弥补语义鸿沟的缺陷,训练中还结合判别式学习提高分类器的可信性。在实验数据集上的结果表明该方法具备较高的学习性能和分类精度,适用于多种类型和复杂内容图像的解译,具有较强的实用价值。     

面向语义通信的量化-重构器设计

语义通信作为6G移动通信的一项重要候选技术，拓展了经典信息理论的研究范式，为信息传输技术的突破提供了新的思路。目前，关于语义信息度量与语义通信系统设计的优化指标分析仍是开放问题。基于语义信息传输的结构化模型，讨论了信源的语义特征表示和语义失真度量问题，并以高斯信源为例探究了编译码器（量化-重构器）的设计准则。仿真结果表明，与传统的基于最小化信源比特的重构均方误差准则设计的量化-重构器相比，针对信源的语义失真度量设计量化-重构器更契合语义通信的需求。     

面向电力服务情绪识别的图卷积网络方法研究

情绪识别对于提升电力交互式服务平台的工作效率与服务质量有重要意义。传统的情绪识别技术通常使用基于循环神经网络（recurrent neural network,RNN）或类似结构的模型刻画对话中的上下文关系,上下文之间的语义传递具有局限性。针对这一问题,提出了一种引入图卷积网络（graph convolutional network,GCN）的情绪识别模型,利用图结构对对话文本内容的上下文依赖性建模,以刻画对话中更为复杂的上下文结构。实验表明,该方法相比传统方法在情绪识别任务中具有更好的表现。     

基于单次双向特征金字塔网络的目标检测模型

目标检测是计算机视觉领域的重点研究方向，SSD模型虽然在检测精度与速度上均取得较好的效果，但其利用低语义信息的浅层特征训练小目标，容易出现小目标漏检和误检现象。对此，提出了一种基于单次双向特征金字塔网络的改进SSD目标检测模型（OBSSD）。首先基于分层融合的思想构建双向特征融合模块来解决浅层特征利用不足的问题；其次引入融合权重来更加有效地融合不同层级的特征，改善浅层特征语义信息低的问题；最后在分类和回归预测前加入基于残差模块的检测单元，解决因分类网络偏向平移不变性导致的目标定位不准确问题。在PASCAL VOC2007测试集上的实验结果表明：所提模型的平均精确度（mAP）为80.8%，较SSD模型提高6.5个百分点，且检测速度满足实时检测的需求。     

结合时间注意力机制和单模态标签自动生成策略的自监督多模态情感识别

大多数多模态情感识别方法旨在寻求一种有效的融合机制,构建异构模态的特征,从而学习到具有语义一致性的特征表示。然而,这些方法通常忽略了模态间情感语义的差异性信息。为解决这一问题,提出了一种多任务学习框架,联合训练1个多模态任务和3个单模态任务,分别学习多模态特征间的情感语义一致性信息和各个模态所含情感语义的差异性信息。首先,为了学习情感语义一致性信息,提出了一种基于多层循环神经网络的时间注意力机制(TAM),通过赋予时间序列特征向量不同的权重来描述情感特征的贡献度。然后,针对多模态融合,在语义空间进行了逐语义维度的细粒度特征融合。其次,为了有效学习各个模态所含情感语义的差异性信息,提出了一种基于模态间特征向量相似度的自监督单模态标签自动生成策略(ULAG)。通过在CMU-MOSI,CMU-MOSEI, CH-SIMS 3个数据集上的大量实验结果证实,提出的TAM-ULAG模型具有很强的竞争力：在分类指标(Acc2,F 1)和回归指标(MAE, Corr)上与基准模型的指标相比均有所提升;对于二分类识别准确率,在CMUMOSI和CMU-MOSEI数据集上分别为87.2%和85.8%,而在C...     

快速面向信息服务的身份认证与授权访问

WebService技术具有容异特性，在3个方面支持互操作：水平（跨越端系统）、垂直（在不同的组织层次中）和时间（跟随系统发展路线）。论文探讨了使用身份联邦的安全策略，在信息获取、处理、分发到用户终端存储的各个阶段，采用基于角色的访问控制管理机制，信息授权技术实现用户只能获取系统分配权限范围内的安全服务。