DPI测试方案

1 需求分析 DPI(深度报文检测)技术是业务检测、识别和控制的技术.基于应用层协议分析的DPI,已被各大运营商和主流产品供应商采纳,且已在广泛的测试和在线应用或者试应用.对现网应用进行业务识别、流量和客户行为分析,进而根据要求进行业务控制是运营商必然的选择.通过DPI技术可以给用户提供差异化服务,即通过DPI技术区...     

多模态技术及其在网络视听内容监管中的应用研究

多模态技术为文本、语音、视频、图像等非结构化数据的智能处理提供了可能性。本文基于对多模态深度学习模态表示等关键技术的研究,针对网络视听监管业务的工作需求,对多模态技术在网络视听内容监管方面的应用进行了初步探索,旨在有效提升网络视听大数据处理的准确性和效率。     

基于深度学习的命名实体识别研究综述

命名实体识别是自然语言处理领域的一项关键任务,其目的在于从自然语言文本中识别出具有特定含义的实体,如人名、地名、机构名和专有名词等。在命名实体识别任务中,研究人员提出过多种方法,包括基于知识和有监督的机器学习方法。近年来,随着互联网文本数据规模的快速扩大和深度学习技术的快速发展,深度学习模型已成为命名实体识别的研究热点,并在该领域取得显著进展。文中全面回顾现有的命名实体识别深度学习技术,主要分为四类：基于卷积神经网络模型、基于循环神经网络模型、基于Transformer模型和基于图神经网络模型的命名实体识别。此外,对深度学习的命名实体识别架构进行了介绍。最后,探讨命名实体识别所面临的挑战以及未来可能的研究方向,以期推动命名实体识别领域的进一步发展。     

基于深度学习的算法知识实体识别与发现

随着互联网技术的快速发展,人类已经习惯于从网络上获取知识,然而伴随着网络资源爆炸式增长,网络资源内容多样,人们使用浏览器获取知识的方法却停滞不前,因此需要一种工具来帮助人们从网络中高效地获取和发现新知识.由于网络资源文本并不是完全结构化的数据,还包括一些自由文本等复杂的无结构数据,这种文本信息虽然方便人们自由表达概念以及事件等,但是同时也为机器搜索、统计分析等制造了障碍.因此,为了在文本上更方便地进行知识分析和挖掘,本文提出一种基于深度学习的算法知识实体识别与发现的方法,应用于算法知识领域来解决上述问题.通过创建算法知识专家库[1],训练词向量,建立深度神经网络模型,从算法知识文本中识别和发现算法知识名称.实验结果表明,该深度神经网络模型识别算法知识的准确率高达98％,并有效发现了专家库以外的新知识点,实现了预期实验需求.     

基于深度学习的车载屏幕文本检测与识别研究

车载屏幕文本图片显示内容丰富、背景多样性、文本信息较多且大小、方向不定等问题,导致文本检测与识别过程中出现准确率低、检测速度慢的问题,因此提出了一种基于深度学习的车载屏幕文本检测与识别的系统.该系统的文本检测模型采用改进的EAST网络,应用DenseNet网络作为特征提取网络以增强特征重用,为了改善长文本的预测效果,采...     

基于深度学习的情感分析技术

随着大数据的分析与研究的热潮,深度学习已经成为人工智能技术不可分割的一部分,如自然语言处理,计算机视觉,语音识别等技术的发展都与深度学习息息相关。大量研究表明,深度学习已经成为一种趋势,是人工智能技术不断发展的不竭动力。因此,文章主要对深度学习以及其在自然语言处理中的文本情感分析技术上的研究与应用做一个简单的介绍,首先介绍情感分析和深度学习的概念,然后阐述一下深度学习在情感分析技术上的研究和应用,最后总结一下深度学习对情感分析技术的影响。     

电网OA系统非结构化文档内容自动化识别技术

针对电网OA系统内存在大量的非结构化文档难以识别的问题,研究电网OA系统非结构化文档内容自动化识别技术。采用非直接转换方法,将非结构化数据先转换为采用XML文件承载的不完全结构化数据,利用SAX解析工具解析不完全结构化数据,采用Simhash算法对文本信息进行去重处理;采用TextRank算法提取文本内的关键词,根据关键词识别电网OA系统非结构化文档内容。测试结果显示,在海明距离与相似度阈值分别为10和70的条件下可获取较好的去重效果,关键词提取效果较好,具有推广价值。     

SAR图像飞机目标检测识别进展

目标检测与识别是高分辨合成孔径雷达(SAR)领域的热点问题。机场上飞机作为一种典型目标，其检测和识别有一定的独特性。该文回顾了SAR图像典型目标检测识别领域技术的发展过程，分析了SAR图像中飞机目标的散射机制及面临的技术难点，阐述了 SAR 飞机目标检测识别的系统流程、技术路线和关键科学问题，对基于传统与基于深度学习两个方面的飞机目标检测识别的研究进展进行了归纳总结，并讨论了各类方法的特点及存在的问题，展望了未来的发展趋势。该文认为如何将深度学习与目标电磁散射机理结合、提高网络或模型的泛化能力是提升SAR图像中目标检测识别精度的关键，并给出了一种基于散射信息与深度学习融合的飞机目标检测方法。      

深度学习在影像中的算法研究

深度学习技术的运用正日趋广泛,深度学习自身的高效性和智能性受到研究者的青睐.通过对深度学习影像分类的剖析,进一步探究深度学习在影像识别方向的应用,介绍了主要用于影像分类识别的基于深度学习的医疗影像检测算法,可作为开展深度学习技术运用于医学影像检测研究工作的有益参考.     

基于深度学习的场景文本检测方法研究综述

文本检测技术在社会中有着广泛的应用,随着深度学习的加入,文本检测技术得到了进一步的提升。近年来基于深度学习的检测算法逐渐增多,针对场景文本检测的各种问题提出了相应的解决方法,提升了场景文本检测算法的性能。本文对这些算法进行了归纳、分析和总结,将这些算法大致分为基于回归和基于分割两种类型,并对其性能进行了对比,最后基于这些算法的研究内容为文本检测领域未来的发展提出了新的研究方向。     

情报预测概念内涵与技术发展

情报分析是情报工作的核心,情报预测是情报分析的难点,是进行决策和行动的重要依据。探讨情报预测的概念内涵与技术发展,对大数据和人工智能等先进技术的科学应用以及未来研究具有重要意义。通过描述性研究、概念分析、资料总结等方法,对情报预测的概念和流程进行了剖析,提炼总结了一种包括预测对象、预测内容的情报预测问题描述框架,并按照理论-方法-工具三个层次对现有的机器定量预测方法体系进行了分析。情报预测包括业务和技术两个维度,清晰明确的问题定义是大数据和人工智能等先进技术发挥作用的重要前提。目前,机器定量预测方法以机器学习、深度学习为主,大大提高了机器解决情报预测问题的能力,未来将向神经符号计算方向拓展。     

基于人工神经网络算法的运营商客户投诉智能分类问题研究

云计算、物联网和5G业务的逐步开展,运营商的竞争态势日益加剧,在服务内容、服务方式、服务质量、经营管理和服务意识方面面临严峻挑战.为提升客户满意度,降低投诉量,本文从运营商客户投诉工单和录音数据入手,利用人工智能、机器学习等手段,开展投诉服务请求的归类分析,进一步通过人工神经网络算法对投诉工单文本进行挖掘和优化,对工单...     

人工智能技术在情报侦察领域中的应用与发展

人工智能技术的发展对情报侦察工作产生了深刻影响。目前，基于机器学习、深度学习等技术的人工智能技术应用已经成为情报侦察领域的研究热点。由于情报侦察工作面临大量的未知目标、环境和事件，通过人工智能技术的辅助，能极大地提高情报侦察效率。文中系统梳理了人工智能技术在情报侦察领域的发展现状和趋势，并探讨了人工智能技术对未来情报侦察工作的影响。     

人工智能在网络故障预警的应用

大数据时代,人工智能有了飞速发展。作为人工智能的重要分支之一,机器学习在网络运维有广泛的应用前景。本文结合网络故障预警工作,梳理了机器学习的主要算法模型,重点探讨了人工智能应用于故障预警的难点和关键技术：加权的样本采样、时序样本的特征值提取、使用随机森林模型和深度神经网络模型时的参数设置。     

Quality-related English text classification based on recurrent neural network

With the rapid development of artificial intelligence technology, text categorization technology is becoming more and more mature. However, text categorization in real situations still faces various unconstrained conditions. English text is an important part of text information, it is also an important way for people to get information from abroad. How can everyone get the desired content from the massive data quickly and accurately, it has become a hot issue in current research. This paper improves the current text categorization algorithm based on English quality-related text categorization. The design and implementation of text categorization system are illustrated with an example of English quality-related text categorization system, complete the research work of text categorization algorithm. The core work of this paper is to mine, classify and analyze large amounts of data in English text by using the method of combining cyclic neural network with quality. Finally, the essential features of high quality English texts are obtained. Traditional English text categorization algorithm if the amount of training data is large, it is easy to show some defects such as unclear feature items. In view of these problems, in order to improve the accuracy and flexibility of English text categorization, this paper proposes a quality-related English text categorization method based on cyclic neural network. A mechanism combining attention is proposed to improve the problem of label disorder and make the structure of the model more flexible. The model proposed in this paper is compared and optimized. Experiments show that the accuracy of neural text classification based on quality classification can reach about 96%.     

Perceptual learning and abstraction in machine learning: an application to autonomous robotics

This paper deals with the possible benefits of perceptual learning in artificial intelligence. On the one hand, perceptual learning is more and more studied in neurobiology and is now considered as an essential part of any living system. In fact, perceptual learning and cognitive learning are both necessary for learning and often depend on each other. On the other hand, many works in machine learning are concerned with "abstraction" in order to reduce the amount of complexity related to some learning tasks. In the abstraction framework, perceptual learning can be seen as a specific process that learns how to transform the data before the traditional learning task itself takes place. In this paper, we argue that biologically inspired perceptual learning mechanisms could be used to build efficient low-level abstraction operators that deal with real-world data. To illustrate this, we present an application where perceptual-learning-inspired metaoperators are used to perform an abstraction on an autonomous robot visual perception. The goal of this work is to enable the robot to learn how to identify objects it encounters in its environment.     

深度学习模型安全性研究综述

随着智能化进程的不断加快，以深度学习为代表的人工智能技术得到不断发展。深度学习在众多领域得到广泛应用的同时，其中存在的安全问题也逐渐暴露。普通用户通常难以支撑深度学习所需的大量数据和算力，转而寻求第三方帮助，此时深度学习模型由于失去监管而面临严重安全问题。而深度学习模型在全周期内均会遭受后门攻击威胁，使得深度学习模型表现出极大脆弱性，严重影响人工智能的安全应用。从深度学习模型所需资源条件来看，训练数据、模型结构、支撑平台均能成为后门攻击的媒介，根据攻击媒介的不同将攻击方案划分为基于数据毒化、模型毒化、平台毒化3种类型。介绍了对其威胁模型及主要工作，在此基础上，梳理了针对现有后门攻击的防御措施。最后，结合所在团队的相关工作，并根据当前相关技术研究进展及实际，探讨未来研究方向。     

基于层次混合网络的异构大数据智能推荐

随着人工智能和机器学习等几项重要技术的发展,使得大数据渗透各个领域并伴随着各种网络化的应用.文中主要研究异构大数据环境下的深度关联挖掘方法,构造了一个层次混合网络模型来描述不同实体之间的多类型关系,并设计了一个基于深度强化学习框架的智能路由器,让其结合模型,最终实现了一种智能推荐机制,用于支持学术大数据环境下用户的协同...     

人工智能技术在5G网络中的应用

引入人工智能技术,解决5G移动通信网络结构日益复杂,业务需求日趋多样,运维管理难度增大等问题,是目前业界研究的热点。文章简要介绍了机器学习的学习方式和深度学习神经网络的构成,运用机器学习、深度学习方法可以对无线信道测量和建模,提升无线通信系统性能,优化网络切片资源管理,助力网络运维智能化。     

基于人工智能技术的计算机网络在线教学平台设计

为提高在线教学的效率和质量,文中基于人工智能技术设计了计算机网络在线教学平台。首先,设计了平台的总体框架,包括平台管理、教师、学生等模块以及集成性的人工智能模块,其中人工智能模块涵盖智能学习资源推荐系统、自动评分系统和个性化学习路径规划模块。同时,对用户界面的设计进行了细致的探讨。在系统测试部分,对平台进行了全面的性能测试。结果表明,该平台在提高教学互动性、个性化学习体验及教学资源利用率方面表现出色,验证了其在现代教育中的应用价值和潜力。文中不仅为在线教育提供了一种新的智能化解决方案,也为教育技术的未来发展提供了重要的理论和实践参考。