什么是跨媒体

跨媒体（Ｃｒｏｓｓｍｅｄｉａ）是近两年出现的新名词，常以跨媒体出版（Ｃｒｏｓｓｍｅｄｉａ　Ｐｕｂｌｉｓｈｉｎｇ）和媒体数据库（Ｍｅｄｉｄ ｄａｔａｂａｓｅ）等专有名词出现在文句中。 跨媒体的技术基础是数字技术和网络技术，其基本概念是将数字化的所有视觉信息资源如图像、图形以及其他的视频信息等，转化为一种与具体媒体无关的数据，存储在网络系统中，形成一个庞大的网络化数据库。数据库中的所有信息和数据都可以通过网络进行访问、查询甚至重新被加工处理，制成不同的媒体产品，如印刷品、胶片、音响制品、光盘、电子出版…     

人工智能对新闻媒体发展的影响

当前,媒体行业中涌入了各种新技术,如人工智能、大数据、云计算、5G通信等,特别是人工智能的应用,使新闻媒体在内容生产、内容消费、内容分析等方面重塑了原有技术架构。本文对图像视频识别技术、语音分析技术、文本分析技术、个性化推荐技术、预测技术在新闻媒体中的应用进行阐述,并着重分析了人工智能在技术应用中的优势,以及由此产生的一系列挑战,最终深入思考人工智能在新闻媒体领域的发展趋势。     

基于AI的无线网络感知技术研究综述

在无线通信网络中使用感知技术，可以从海量网络数据中提取所需特征信息，以便实现网络的智能管理。传统感知技术往往与感知对象密切相关，依赖使用者的经验与知识，有很大的局限性。未来无线通信网络结构将会日益庞杂异构，海量数据、快速变化的业务使得传统信息感知技术无法有效实现感知需求，而人工智能(Artificial Intelligence, AI)技术兴起后也逐渐应用于无线通信领域，因具有高效、灵活等优势，所以利用AI技术在无线网络中实现感知需求成为可能。综述了无线通信中的AI感知技术的概念、机制、关键技术，对比分析了不同算法的性能，并探讨了AI感知技术未来可能面临的挑战。     

人工智能驱动下的雷达发展思考

智能化雷达在现有雷达技术的基础上,利用人工智能技术及先进的信号处理技术,赋予雷达自主的感知、决策、学习、执行和协作能力,从而提升其对复杂环境的感知能力及对目标的探测能力。文中针对人工智能驱动下的雷达技术发展问题,首先,分析了人工智能技术在雷达系统中的应用现状;然后,结合人工智能技术以及雷达信号处理技术的发展,从大数据、多平台协同、多源信息融合、人机混合增强以及自主智能感知等方面对人工智能驱动下的雷达发展趋势进行探讨;最后,结合人工智能驱动下的雷达发展趋势,提出了有针对性的发展建议,并进行总结。     

网络技术在融媒体广电工程技术中的应用

融媒体时代到来后,广电工程深入应用网络技术,显著提升了媒体与用户的互动性,打破了传统广电媒体技术的局限性,为受众提供更加多元化的内容,促进了广电行业的转型升级。本文从融媒体广电工程技术应用网络技术的优势展开讨论,先分析了融媒体广电工程技术中应用网络技术带来的影响,然后从应用网络技术带来的优势与挑战角度,深入分析了网络技术的应用,最后提出了融媒体时代下广电工程智能网络技术、尝试跨媒体合作等发展趋势,以期促进广电工程的健康发展。     

多媒体认知安全综述

在网络大数据环境下，人类的认知受到数据的干扰，尤其是多媒体数据。多媒体对人类认知安全的威胁在于其中虚假、危害和认知偏见等信息。本文从人类认知理论出发，针对当前社交网络融媒体对人类认知的多阶影响，分析研究了不同历史时期多媒体认知安全面临的技术威胁与防护手段，重点研究分析了基于人工智能的多媒体认知安全技术，包括文本、音频、图像、视频和融媒体的伪造取证等具体技术，为多媒体认知安全构筑了关键基础。基于以上研究，本文对未来的多媒体认知安全研究方向进行了梳理建议，基于多智能体自主协同的新型认知环境干预塑造将是未来认知安全研究的核心问题。      

数据智能在内容安全治理中的应用

在当前互联网产业快速发展的背景下,为了满足复杂环境下的内容安全治理需求,通过对自然语言处理、视图像智能识别和跨媒体感知等相关技术进行研究,提出了融合数据和内容安全的网络空间内容安全治理方案,对网络媒体中的文字、图片、视频等数据进行虚假信息检测、视图像内容分析以及多模态内容的感知,以此提高数据治理能力。     

大数据文本挖掘在广播电视中的应用与探索

本文在提出一种基于多种人工智能技术的媒体创新平台,详细讨论了广电大数据文本挖掘在传统广播电视领域中的应用与探索.提出了业界首个基于五大模块(依据工作流的处理方向,依次为互联网数据检测与收集模块、数据筛选与预处理模块、数据分析与特征提取模块、数据统计与分析模块、以及数据可视化模块)的广电大数据分析平台,并给出了技术框架设计与各模块的实现框图,给出了最终平台实现的数据可视化界面.     

基于大数据智能化的媒资管理与应用研究

在媒体深化融合的大背景下,依托于新技术特别是大数据和人工智能等技术的迅速迭代,媒资管理与应用也在快速变化.基于此,分析大数据和人工智能技术的发展特征以及与媒资应用的结合点,制定可用于指导实践的媒资管理与应用规划.     

基于大数据的网络态势感知体系架构

在分析网络态势感知的目标和所面临的严峻形势基础上,对网络态势感知的研究框架进行了简要的介绍,在此基础上对经典的网络态势感知模型JDL模型和BASS模型进行进一步描述。结合目前大规模网络态势信息的大数据特性,提出基于大数据的网络态势感知体系架构设想,探讨大数据流式处理技术、并行计算技术、关联规则分析技术、基于证据理论与模糊逻辑相结合的态势评估技术以及基于神经网络的态势预测技术等在体系架构中的分层应用。并以此架构为基础,提出未来需要进一步深入研究的关键技术和研究方向。     

基于深度学习的供应商资质证书智能识别技术研究

随着大数据人工智能的快速发展,机器学习、深度学习和强化学习等技术逐渐广泛应用于企业的业务环境中。供应商证书查验是一项繁重的业务工作,同时也是供应商管理流程中的重要环节。文章旨在研究一种基于深度学习的供应商证书智能识别技术,将证书识别分成可通过OCR机器视觉检测的文本区域和检测后的文字识别部分,实现了非结构化的证书图像转换为结构化文本,以此来提高企业办公效率,降低人力成本。     

人工智能在光纤通信网络运维管理中的应用

随着光纤通信技术的迅速发展,网络运维管理面临着前所未有的挑战。文中深入分析了人工智能如何优化光纤通信网络的运维管理。首先,提出了传统光纤通信网络运维中存在的问题。其次,详细分析了人工智能技术如深度学习、知识图谱及自动化流程等在光纤通信网络运维中的具体应用,以供参考。     

计算机网络中大数据与人工智能技术的应用

新时期计算机网络中的大数据与人工智能技术,广泛运用于生活工作中,在为社会大众提供便利的同时也成为一把双刃剑,带来了诸多弊端,比如信息泄露、数据资源造假等问题,如何在计算机网络中合理运用大数据与人工智能技术,成为相关工作人员的研究重点.互联网走进千家万户,在一定程度上拉近了民众距离,使其打开看见新世界的窗户,大数据与人工...     

新时代电子计算机与人工智能的结合

随着信息技术和通信技术的快速发展,新时代的电子计算机与人工智能的结合成为研究的热点。文中通过梳理相关文献和研究成果,总结了新时代电子计算机与人工智能的结合的主要内容和趋势。首先,新时代电子计算机与人工智能的结合主要体现在以下几个方面。对基于人工智能算法的计算机视觉和图像处理技术的研究,包括目标检测、图像识别等;对基于人工智能算法的自然语言处理和语音识别技术的研究,包括机器翻译、对话系统等;对基于人工智能算法的数据挖掘和分析技术的研究,包括模式识别、预测分析等。其次,新时代电子计算机与人工智能的结合面临的挑战和问题也不容忽视。最后,新时代电子计算机与人工智能的结合具有广阔的应用前景和发展空间。新技术的不断涌现和开放数据资源的丰富性,为电子计算机与人工智能的结合提供了更多的机会。新时代电子计算机与人工智能的结合是一个充满挑战和机遇的领域,其中涉及算法优化、数据安全和隐私保护、算法可解释性等问题。这一研究方向具有广阔的应用前景,将为人们的生活和社会发展带来积极的影响。     

浅谈人工智能在融媒体业务生产中的应用发展

近年来,随着IT技术和互联网的发展,人工智能AI(Artificial Intelligence)技术在广电行业得到广泛应用。文章基于融媒体环境下人工智能技术的应用与发展进行了探讨,分析人工智能技术如何推动生产效率提高以及智能机器人书写稿件、智能人脸识别、智能语音语义识别、智能化的OCR识别、自动播出等方面的应用与发展。     

Face Image Recognition Based on Convolutional Neural Network

With the continuous progress of The Times and the development of technology,the rise of network social media has also brought the“explosive”growth of image data.As one of the main ways of People’s Daily communication,image is widely used as a carrier of communication because of its rich content,intuitive and other advantages.Image recognition based on convolution neural network is the first application in the field of image recognition.A series of algorithm operations such as image eigenvalue extraction,recognition and convolution are used to identify and analyze different images.The rapid development of artificial intelligence makes machine learning more and more important in its research field.Use algorithms to learn each piece of data and predict the outcome.This has become an important key to open the door of artificial intelligence.In machine vision,image recognition is the foundation,but how to associate the low-level information in the image with the high-level image semantics becomes the key problem of image recognition.Predecessors have provided many model algorithms,which have laid a solid foundation for the development of artificial intelligence and image recognition.The multi-level information fusion model based on the VGG16 model is an improvement on the fully connected neural network.Different from full connection network,convolutional neural network does not use full connection method in each layer of neurons of neural network,but USES some nodes for connection.Although this method reduces the computation time,due to the fact that the convolutional neural network model will lose some useful feature information in the process of propagation and calculation,this paper improves the model to be a multi-level information fusion of the convolution calculation method,and further recovers the discarded feature information,so as to improve the recognition rate of the image.VGG divides the network into five groups(mimicking the five layers of AlexNet),yet it USES 3*3 filters and combines them as a convolution sequence.Network deeper DCNN,channel number is bigger.The recognition rate of the model was verified by 0RL Face Database,BioID Face Database and CASIA Face Image Database.     

浅谈人工智能在计算机网络技术中的应用

计算机网络技术的迅速发展,给我们的工作、生活带来了极大的便利,通过计算机网络我们能够方便的进行信息交互,同时在工业生产过程中,网络技术也大幅提高了企业的生产效率。但是随着信息技术的不断发展,我们在生产生活中面临的爆炸式增长的数据量和信息量,在这个过程中,传统的计算机网络技术在实现各类控制和数据信息处理操作之后,缺乏更多的控制、运算能力进行冗余信息的分析与利用。为了能够进一步提升计算机网络的效能,利用人工智能技术辅助计算机获得更快的处理速度和更加符合用户使用习惯的处理结果。人工智能可以利用多种类似于人类思维方式的智能算法,在大数据、图像处理、信息分类等方面有着巨大的优势,借助这些优势能够获得更好的信息技术应用效果。本文针对人工智能的特点、优势,以及计算机网络技术存在的问题进行了分析,同时为两种技术的融合应用提出了建议。     

智能时代有线电视转型升级的新思路

随着信息科技水平的不断进步和发展,大数据平台逐渐成为媒体发展的“主战场”,人工智能也伴随着大数据时代的到来逐渐与媒体融合。而有线电视作为传统媒体的代表,储存着海量信息,要想在新媒体时代破茧成蝶,就必须掌握正确的转型方式,提高市场竞争力。结合大数据、人工智能、5G等新兴技术的发展趋势,从智能内容审核、电视终端智能收集、市场决策方式以及5G技术方面进行分析,为有线电视提供发展的新思路与新选择。     

基于概念格的图像语义检索研究

概念格是一种有效的数据分析和知识提取的形式化工具,已广泛应用于机器学习、人工智能、软件工程、知识发现等领域.提出了一种新的基于概念格的图像语义检索方法,将概念格理论应用到图像检索中,利用形式概念分析发现图像中潜在的概念结构和概念间的相互关系.借助于语言变量描述图像语义特征并根据这些模糊语义值构建概念格,用基于概念格的方法进行图像语义检索,这种方法所给的结果与人类视知觉具有更好的一致性.     

电子信息技术在人工智能领域的应用探讨

科学技术的快速发展,为各个领域的进步创造了有利条件。近年来,人工智能得到了国家与社会的广泛关注。电子信息技术作为一种全新的技术,在一定程度上促进了人工智能的发展。文中首先分析了电子信息技术与人工智能的概念、电子信息技术融入人工智能的重要意义、电子信息技术与人工智能的关系,其次从实现网络资源共享、网络信息安全技术、数据采集与分析技术以及计算与测量技术的应用进行了说明,旨在为相关研究提供参考。