5G核心网业务模型的智能化预测研究

摘 要：核心网业务模型的建立是5G网络容量规划和网络建设的基础，通过现有方法得到的理论业务模型是静态不可变的且与实际网络存在偏离。为了克服现有5G核心网业务模型与现网模型适配性较差以及规划设备无法满足用户实际业务需求的问题，提出了一种长短期记忆（long short-term memory，LSTM）网络与卷积LSTM （convolution LSTM，ConvLSTM）网络双通道融合的 5G 核心网业务模型预测方法。该方法基于人工智能（artificial intelligence，AI）技术以实现高质量的核心网业务模型的智能预测，形成数据反馈闭环，实现网络自优化调整，助力网络智能化建设。     

个性化学习路径推荐综述

近年来，伴随着现代信息技术的迅猛发展，以人工智能为代表的新兴技术在教育领域得到了广泛应用，引发了学习理念和方式的深刻变革.在这种大背景下，在线学习超越了时空的限制，为学习者“随时随地”学习提供了更多的可能性，从而得到了蓬勃发展.然而，在线学习中师生时间、空间分离的特征，导致教师无法及时掌握学生的学习状态，一定程度上制约了在线学习中教学质量的提升.面对多元化的学习需求及海量学习资源，如何迅速完成学习目标、降低学习成本、合理分配学习资源等问题成为限制个人和时代发展的重大问题.然而，传统的“一刀切”的教育模式已经不能满足人们获取知识的需求了，需要一个更高效、更科学的个性化教育模式，以帮助学习者以最小的学习成本最大限度地完成学习目标.基于以上背景，如何自动高效识别学习者特征，高效地组织和分配学习资源，为每一位学习者规划个性化路径，成为面向个体的精准化教育资源匹配机制研究中亟待解决的问题.系统地综述并分析了当前个性化学习路径推荐的研究现状，并从多学科领域的角度分析了对于同一问题的不同研究思路，同时也归纳总结了当前研究中最为主流的核心推荐算法.最后，强调当前研究存在的主要不足之处.     

Perception of Artificial Intelligence in Spain

This paper analyses the perception of Artificial Intelligence (AI) by individuals in Spain and the factors associated with it. It uses data from 6308 individuals from a 2018 Spanish survey. A binary logit regression model is formulated and estimated for the attitude towards robots and AI and its possible determinants. As main results are that a gender gap is detected, and that people have a negative attitude if they are not interested in scientific discoveries and technological developments and if AI and robots are not useful at work.     

Towards artificial intelligence at scale in the chemical industry

In the Industry 4.0 era, the chemical industry is embracing broad adoption of artificial intelligence (AI) and machine learning (ML) methods. This article provides a holistic view of how the industry is transforming digitally towards AI at scale. First, a historical perspective on how the industry used AI to aid humans in better decision-making is shown. Then state-of-the-art AI research addressing industrial needs on reliability and safety, process optimization, supply chain, material discovery, and reaction engineering is highlighted. Finally, a vision of the plant of the future is illustrated with critical components of AI-ready culture, model life cycle management, and renewed role of humans in chemical manufacturing.     

命名实体识别技术综述

命名实体识别是自然语言处理中的热点研究方向之一,目的是识别文本中的命名实体并将其归纳到相应的实体类型中。首先阐述了命名实体识别任务的定义、目标和意义,分析提出了命名实体识别的主要难点在于领域命名实体识别局限性、命名实体表述多样性和歧义性、命名实体的复杂性和开放性;然后介绍了命名实体识别研究的发展进程,从最初的规则和字典方法到传统的统计学习方法再到现在的深度学习方法,不断地将新技术应用到命名实体识别研究中以提高性能;接着系统梳理了当下命名实体识别任务中的若干热门研究点,分别是匮乏资源下的命名实体识别、细粒度命名实体识别、嵌套命名实体识别以及命名实体链接;最后针对评判命名实体识别模型的好坏,总结了常用的若干数据集和实验测评指标,并给出了未来的研究建议。     

重新找回人工智能的可解释性

针对深度神经网络AI研究的可解释性瓶颈，指出刚性逻辑（数理形式逻辑）和二值神经元等价，二值神经网络可转换成逻辑表达式，有强可解释性。深度神经网络一味增加中间层数来拟合大数据，没有适时通过抽象把最小粒度的数据（原子）变成粒度较大的知识（分子），再把较小粒度的知识变成较大粒度的知识，把原有的强可解释性淹没在中间层次的汪洋大海中。要支持多粒度的知识处理，需把刚性逻辑扩张为柔性命题逻辑（命题级数理辩证逻辑），把二值神经元扩张为柔性神经元，才能保持强可解释性。本文详细介绍了从刚性逻辑到柔性逻辑的扩张过程和成果，最后介绍了它们在AI研究中的应用，这是重新找回AI研究强可解释性的最佳途径。     

智能跟踪算法在采砂监管中的应用研究

受利益的驱动,长江流域非法采砂行为屡禁不止,给采砂有效监管造成很大的困扰。采砂监管水平的提高需要高效准确的跟踪识别技术作支撑。提出了一种基于相关滤波器的可变跟踪框智能算法。该算法可以准确快速地跟踪江河湖面上的非法采砂船,计算量少,鲁棒性高,对硬件的要求并不严苛,可以自由应用于从低性能到高性能的各种设备。基于该算法开发了非法采砂船追踪器,再配合百度深度学习平台Easy DL后,可构成一套采砂船监控系统,能够实现对长江水域非法采砂船24 h的有效监控,从而大大提高监控非法采砂行为的效率。     

Reliability-based fault analysis models with industrial applications: A systematic literature review

Effective and early fault detection and diagnosis techniques have tremendously enhanced over the years to ensure continuous operations of contemporary complex systems, control cost, and enhance safety in assets-intensive industries, including oil and gas, process, and power generation. The objective of this work is to understand the development of different fault detection and diagnosis methods, their applications, and benefits to the industry. This paper presents a contemporary state-of-the-art systematic literature survey focusing on a comprehensive review of the models for fault detection and their industrial applications. This study uses advanced tools from bibliometric analysis to systematically analyze over 500 peer-reviewed articles on focus areas published since 2010. We first present an exploratory analysis and identify the influential contributions to the field, authors, and countries, among other key indicators.  A network analysis is presented to unveil and visualize the clusters of the distinguishable areas using a co-citation network analysis. Later, a detailed content analysis of the top-100 most-cited papers is carried out to understand the progression of fault detection and artificial intelligence–based algorithms in different industrial applications. The findings of this paper allow us to comprehend the development of reliability-based fault analysis techniques over time, and the use of smart algorithms and their success. This work helps to make a unique contribution toward revealing the future avenues and setting up a prospective research road map for asset-intensive industry, researchers, and policymakers.     

新工科背景下电子通信专业“人工智能技术基础”课程改革实践

人工智能技术已经成为新一轮科技革命的重要驱动力量，这要求电子、通信等非计算机专业的人才培养引入针对性强的人工智能课程教学。本文针对新工科背景下电子、通信专业“人工智能技术基础”课程存在的问题进行课程改革，从授课和实验两个环节入手，分别从教学内容、教学方法和考核办法三个方面提出了具体的改革举措，并在“人工智能技术基础”课程中进行了实践，激发了学生的学习热情，拓展了学生的专业视野，提高了学生的实践创新能力，取得了良好的教学效果。为了进一步培养电子、通信学科交叉型AI人才，该课程选拔优秀学生开展丰富的人工智能课外实践活动，进一步提升学生的实践创新能力。     

基于Prophet人工智能算法的网络潮汐效应预测研究

本文使用Prophet人工智能算法研究与预测移动通信网络“潮汐效应”现象，探索网络“潮汐效应”在优化网络资源配置实现网络降本增效的作用。Prophet人工智能算法是一种简单、有效，且易于实现的人工智能算法。通过facebook的人工智能开源框架fbprophet，研究4G网络PRB利用率等网络资源指标的“潮汐效应”，并预测这些网络资源指标在未来的变化趋势，用来指导当前4G网络减容、扩容和4/5G节电节能等，实现优化网络资源配置达到降本增效的目的。