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。     

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.     

基于遗传算法的TCE污染地下水修复抽水处理优化方案研究

抽水处理技术已广泛应用于地下水污染现场修复，系统设计运行不当会严重影响抽水处理的成本和效率。布井位置和抽水流量是抽水处理系统设计的两个关键因素，需考虑污染现场及饮用水源位置、经济成本等条件，因而布井方案需综合实际情况考虑不同参数。已有的抽水处理系统主要依据经验设计，不能满足复杂系统下经济高效运行的目的。因此，根据影响抽水处理系统经济效应的因素寻求经济高效的最优布井方案越来越重要。以某典型三氯乙烯(TCE)污染含水层为例，运用地下水流场、溶质运移模拟模型与遗传算法相结合的优化技术MGO,采用水力优化和运移优化两种地下水污染修复模式进行优化。基于情景分析比较了不同修复时间、井的数量、目标修复浓度、吸附常数和渗透系数等参数调整对井位和抽水量优化布局的影响，探索了抽水处理系统优化中遗传算法设计参数的确定方法，总结了影响抽水处理系统经济效应的不同因素及其变化规律。结果表明，抽水成本随井数的增多、修复时间的延长、目标修复浓度的增大而降低，但降幅会在某一临界范围内显著缩小，需根据实际工程需要，平衡各方成本因素。当目标修复浓度为0.03 mg/L且修复时间为20 a时，3眼井较2眼井抽水成本减少18%...