正交时频空(Orthogonal Time and Frequency Space, OTFS)作为6G候选调制方案,旨在支持下一代无线通信系统在高速移动场景的异构性需求。为解决系统硬件成本高昂和功耗高的问题,构建了低精度量化OTFS系统,并推导了b-bit量化最小均方误差...
详细信息
正交时频空(Orthogonal Time and Frequency Space, OTFS)作为6G候选调制方案,旨在支持下一代无线通信系统在高速移动场景的异构性需求。为解决系统硬件成本高昂和功耗高的问题,构建了低精度量化OTFS系统,并推导了b-bit量化最小均方误差(Minimum Mean Square Error, MMSE)检测矩阵。通过加性量化噪声模型(Additive Quantization Noise Model, AQNM)推导系统输入-输出关系,并基于MMSE接收机评估系统误比特率(Bit Error Rate, BER)和可达速率性能。仿真结果表明,4-bit量化较全精度量化系统性能在BER=10^(-2)处损失约1 dB,可达速率减小约0.98%;8-bit量化与全精度量化的可达速率相当,验证了分析结果的有效性。
随着人工智能与医学交叉领域的快速发展,大语言模型(large language model,LLM)在诊疗、医药、康养等领域被广泛应用。LLM在中医药领域独具优势,不仅与中医“四诊合参”理念高度契合,还有效结合了中医药自然语言处理与“自监督”学习技...
详细信息
随着人工智能与医学交叉领域的快速发展,大语言模型(large language model,LLM)在诊疗、医药、康养等领域被广泛应用。LLM在中医药领域独具优势,不仅与中医“四诊合参”理念高度契合,还有效结合了中医药自然语言处理与“自监督”学习技术,同时适应中药复方特色,为中医诊疗提供了有力支持。目前已开发“岐黄问道大模型”、数字中医大模型“GLM-130B”等多种LLM,然而,LLM在中医药领域的应用也面临一系列挑战,包括价值不符与医学滥用风险、对模型可解释性的需求日益增加、技术层面有待进一步提升,以及国内政策准入等方面的限制。本文就LLM发展史、在中医药领域的独特优势及应用、存在问题与挑战、未来发展趋势等进行综述,以期为LLM在中医学领域的进一步推广提供参考。
目的针对远距离红外飞机目标检测中存在的由于成像面积小、辐射强度较弱造成无法充分提取目标特征进而影响检测性能的问题,提出一种基于全局—局部上下文自适应加权融合(adaptive weighted fusion of globallocal context,AWFGLC)机制...
详细信息
目的针对远距离红外飞机目标检测中存在的由于成像面积小、辐射强度较弱造成无法充分提取目标特征进而影响检测性能的问题,提出一种基于全局—局部上下文自适应加权融合(adaptive weighted fusion of globallocal context,AWFGLC)机制的红外飞机目标检测算法。方法基于全局—局部上下文自适应加权融合机制,沿着通道维度随机进行划分与重组,将输入特征图切分为两个特征图。一个特征图使用自注意力进行全局上下文建模,建立目标特征与背景特征之间的相关性,突出目标较显著的特征,使得检测算法更好地感知目标的全局特征。对另一特征图进行窗口划分并在每个窗口内进行最大池化和平均池化以突出目标局部特征,随后使用自注意力对池化特征图进行局部上下文建模,建立目标与其周围邻域的相关性,进一步增强目标特征较弱的部分,使得检测算法更好地感知目标的局部特征。根据目标特点,利用可学习参数的自适应加权融合策略将全局上下文和局部上下文特征图进行聚合,得到包含较完整目标信息的特征图,增强检测算法对目标与背景的判别能力。结果将全局—局部上下文自适应加权融合机制引入YOLOv7(you only look once version 7)并对红外飞机目标进行检测,实验结果表明,提出算法在自制和公开红外飞机数据集的mAP50(mean average precision 50)分别达到97.8%、88.7%,mAP50:95分别达到65.7%、61.2%。结论本文所提出的红外飞机检测算法,优于经典的目标检测算法,能够有效实现红外飞机目标检测。
高校实验室中因人员误操作危险品造成重大实验事故的现象屡见不鲜。为解决实验室中危险品购买使用及其操作管理存在的不透明不完善问题,设计并实现一种高校实验室危险品安全管理系统。基于微信小程序、云开发技术、 Vant Weapp框架等设...
详细信息
高校实验室中因人员误操作危险品造成重大实验事故的现象屡见不鲜。为解决实验室中危险品购买使用及其操作管理存在的不透明不完善问题,设计并实现一种高校实验室危险品安全管理系统。基于微信小程序、云开发技术、 Vant Weapp框架等设计并搭建系统。该系统以解决高校生化环材实验室安全管理需求痛点为目标,实现危险品购买、使用及其实验信息的全流程追溯。应用实例及用户反馈表明该系统可有效提高实验室信息传递效率,极大促进实验信息内部透明化。该系统多措并举提高实验人员安全意识,旨在营造安全有序的实验环境。
工业控制系统(Industrial control systems,ICS)在现代工业生产中发挥关键作用,负责监控和控制工业过程,确保高效、安全和稳定的生产.随着工业4.0和智能制造的发展,传统工业控制方法难以应对日益复杂且动态变化的生产环境.深度强化学习(...
详细信息
工业控制系统(Industrial control systems,ICS)在现代工业生产中发挥关键作用,负责监控和控制工业过程,确保高效、安全和稳定的生产.随着工业4.0和智能制造的发展,传统工业控制方法难以应对日益复杂且动态变化的生产环境.深度强化学习(Deep reinforcement learning,DRL)结合了深度学习与强化学习的优势,在工业智能控制领域展现出巨大潜力.本文综述了DRL在工业智能控制中的应用现状和研究进展.首先介绍了DRL的基本原理及相关算法,并简述工业控制的背景,分析智能控制的应用需求与现存挑战.随后,详细综述了DRL在工业领域的应用,并对当前研究进行了总结,最后对未来研究方向提出了展望.
暂无评论