能耗优化的神经网络轻量化方法研究进展

近年来，神经网络在语音识别、计算机视觉、自然语言处理等领域都取得了良好的进展.大量的神经网络被部署于诸如手机、摄像头等依赖电池或太阳能供电的小型设备.但神经网络参数量大计算复杂，需占用大量计算资源并消耗电能，从而限制了其在资源受限平台上的应用.学术界和工业界逐渐关注于神经网络的高能耗问题.神经网络轻量化方法可以有效地减少参数数量、降低参数精度或优化计算过程从而降低神经网络能耗.本文从能耗优化的角度梳理了神经网络能耗估算方法和神经网络轻量化方法的基本思路，综述了近年来该领域主要研究成果，并提出了能耗估算和能耗优化的神经网络轻量化方法存在的挑战及进一步研究的方向.其中神经网络能耗估算方法包括测量法、分析法和估算法.能耗优化的神经网络轻量化方法包括剪枝、量化、张量分解和知识蒸馏.对于进一步研究方向我们认为，首先需要建立可自适应网络类型的能耗模型；然后需要考虑平衡精度和能耗的轻量化方法.其次需要实现硬件平台可泛化的轻量化方法；最后开发搜索空间可约束的轻量化方法.     

响应面优化絮凝法去除水中Cr（Ⅵ）

为了探究不同絮凝剂对水中Cr（Ⅵ）的去除效果，比较了聚合硫酸铁、聚合氯化铝、聚丙烯酰胺、Fe Cl3对Cr（Ⅵ）的去除效果，通过效能对比以及成本分析得出了最合适的絮凝剂。通过改变反应温度、体系的初始p H值、絮凝剂的初始浓度和反应时间来探究聚合硫酸铁去除Cr（Ⅵ）效果的影响后，再进行均匀设计和响应面优化试验。结果表明，反应温度30℃、絮凝剂浓度为150mg·L^-1、pH值为7、反应时间9min，此时Cr（Ⅵ）的去除效率最高为68.4%；絮凝剂浓度、初始p H值、反应时间对Cr（Ⅵ）去除效果影响显著性为絮凝剂浓度>反应时间>初始pH值。响应面模型预测在最佳反应条件下，Cr（Ⅵ）的去除效率可达70.5%，实验结果为69.8%，二者接近，表明模型有效。     

基于改进灰狼优化算法的服务功能链映射算法

随着工业互联网、车联网、元宇宙等新型互联网应用的兴起，网络的低时延、可靠性、安全性、确定性等方面的需求正面临严峻挑战。采用网络功能虚拟化技术在虚拟网络部署过程中，存在服务功能链映射效率低与部署资源开销大等问题，联合考虑节点激活成本、实例化开销，以最小化平均部署网络成本为优化目标建立了整数线性规划模型，提出基于改进灰狼优化算法的服务功能链映射（improved grey wolf optimization based service function chain mapping，IMGWO-SFCM）算法。该算法在标准灰狼优化算法基础上添加了基于无环K最短路径（K shortest path，KSP）问题算法的映射方案搜索、映射方案编码以及基于反向学习与非线性收敛改进三大策略，较好地平衡了其全局搜索及局部搜索能力，实现服务功能链映射方案的快速确定。仿真结果显示，该算法在保证更高的服务功能链请求接受率下，相较于对比算法降低了11.86%的平均部署网络成本。     

红心火龙果发酵液喷雾干燥工艺优化及红心火龙果籽油的研究

以红心火龙果发酵液作为研究对象,通过优化喷雾干燥工艺制备粉剂,最佳工艺条件为:20%麦芽糊精,进液量:10mL/min,进口温度为120℃,出口温度为65℃;得到的粉剂为紫红色粉末,益生菌含量达到108cfu/g以上,口感酸甜。将发酵后的火龙果籽进行提取,得到的火龙果籽油含有丰富的十六酸、亚油酸和油酸。     

人工智能在移动通信中的应用

阐述移动通信技术的特点和应用状况，通信网络的优化框架，网络智能优化中的机器学习算法分析，完善后台监控系统，建立软件平台提高服务质量，形成安全的网络环境，保证高效运行。