期刊名称：网络新媒体技术 原刊名称：微计算机应用 创刊时间：1980年 主管部门：中国科学院 主办单位：中国科学院声学研究所 刊期： 双月刊 电话： 010-82547906 Email：xmt@dsp.ac.cn 国内统一刊号(CN)： 10-1055/TP 国际标准刊号(ISSN)：2095-347X
随着传感器及物联网技术的快速发展，多元信号异常检测在多个领域的研究与应用取得了巨大进展。本文主要从基于预测、基于重构和基于混合模型3个角度，对近年来深度学习算法在多元信号异常检测领域的应用进行归纳总结，为研究者了解多元信号异常检测的研究动态和发展趋势提供参考。
在信息中心网络(ICN)中，网络节点转发的请求包会引起数据源响应并返回对应的数据包。然而，当一个请求包所请求的内容长度较大时，数据源节点响应的数据包将以突发流量的形式发送到网内，导致网络中的路径负载不均衡，降低流量的传输效率。因此，本文提出一种基于请求包多路拆分的ICN流量控制方案，网络节点能够根据路径状态，将请求内容长度较大的请求包拆分为若干子请求包，并分别通过不同的路径转发。该方案结合路径状态探测和请求报文拆分，实现精确的流量分割，充分利用空闲路径的带宽资源，并减少繁忙路径发生拥塞。仿真实验结果表明，与现有的网络节点均分请求包方案、请求方拆分请求包方案相比，本文方案的平均吞吐量提高11%以上，平均传输完成时间降低10%以上，平均丢包率降低5%以上。
低剂量CT降低了病人的辐射危害，却导致图像质量下降，使医疗诊断难度增加。为了提高低剂量CT图像的质量，本文提出一种基于自适应细节特征提取和空间引导注意力模块的LDCT图像去噪网络(ADSG-Net)。一方面，提出一种细节特征提取模块来提取所输入的低剂量CT图像的细节特征，并使用混合注意机制为其不同的特征映射生成专用的注意权重。另一方面，提出一种空间引导注意模块用于融合编解码网络中的低阶特征和高阶特征。此外，为了克服模型去噪结果过于平滑的问题，引入均方误数(MSE)损失和结构相似性指数测量(SSIM)损失相结合的混合损失函数来指导网络训练。在AAPM-Mayo诊所的LDCT Challenge数据集上验证和评估该方法的性能。与不同体系结构的相关模型相比，该网络能够很好地消除噪声和伪影，同时有效地保留了CT图像的结构和纹理信息。
云计算平台的负载预测对于保障系统稳定运行和提高服务质量具有重要意义，然而由于云计算环境的动态性和负载数据的非线性特征，传统的预测方法往往难以达到满意的准确度。为了解决这一问题，提出一种基于变分模态分解(VMD)方法和麻雀搜索算法(SSA)优化LSTM网络的云计算负载预测模型。首先，利用VMD对原始负载数据进行预处理，以提取更多的特征信息；然后采用SSA迭代优化LSTM的参数，最后训练和使用改进的VMD-SSA-LSTM模型预测负载数据。实验结果表明，VMD-SSA-LSTM模型相较于改进前的LSTM模型，预测误差(MAE和MSE)降低39%以上；与传统的RNN和ARIMA模型相比，其预测误差降低28%以上，同时该模型在R2指标上表现最优且MAPE指标降低41%以上。因此与传统的预测模型相比，该模型在预测准确性和稳健性方面具有明显优势，该研究为云计算平台的负载预测提供了一种新的思路。
分子性质预测已经成为新药研发过程中十分重要的一个过程，然而还存在单一分子表示信息不完全、标签分子数量稀缺的问题。为了解决这些问题，提出一种结合分子图与分子指纹的对比学习框架。根据拓扑信息将无标签分子进行聚簇，得到这些簇中的中心分子，接着利用中心分子的2种不同表示形式与数据集中的数据进行对比学习。在对比学习过程中，根据2种不同的分子表示信息，在化学空间中拉近相似结构的分子，疏远结构上不同的分子，同时能够丰富分子的表示信息。实验结果显示，所提出的方法能够有效提高分子表示的特征信息，同时在6个公开数据集上平均性能比目前先进的模型高1.1%。
随着大语言模型(LLM)的飞速发展，其在通用领域已经展现出强大的自然语言理解(NLU)、逻辑推理，以及自然语言生成(NLG)等能力。然而，大语言模型的“幻觉”问题，使其在垂直领域(例如，电力行业)的应用受到了限制。本文以电力行业为例，对构建该垂直行业知识性大语言模型的方法进行研究，提出一套完整的构建方案。该方案包含电力行业外部知识库构建方法，电力行业文档表征编码器训练方法以及大模型外部知识融合方法。实验表明，该方案在减少大模型“幻觉”现象，提高行业知识性问答准确率中起到了重要作用。
为了提升电力动态数据相似性检索准确性与效率，提出基于知识图谱的电力动态数据相似性检索方法。通过构建电力动态数据知识图谱，分析电力系统中不同数据源的实体、属性和关系信息。利用邻接矩阵更新计算矩阵内中心节点与其他节点的杰卡德相似距离，输出电力动态数据相似性检索结果。实验结果表明，所提方法可以有效对电力动态数据进行实时检索，及时发现出现偏差的时序数据节点，且检索准确率最低值为97%,检索效率最高值为98.2%。
随着自动交换光网络(ASON)需要承载的业务越来越丰富、需要的技术也越来越复杂、运维的智能化需求也逐渐迫切，直接基于操作系统开发的传统管理平面已经无法满足新业务场景的需求。因此本文设计了一种基于组件化的新型光传输设备管理平面系统，通过软件分层设计、多进程微服务重构、软硬件解耦等方式，实现一种兼容多版本操作系统、低感知硬件差异化、兼具集中式与分布式的管理平面。通过测试验证，该管理平面具有优良的通用性，对硬件平台的差异化感知较低，对新增开源技术与多协议具有良好的兼容性，实现了模块间的解耦，在高并发场景下表现优异。
<正>近日,在工业和信息化部信息通信管理局的指导下,中国信息通信研究院(简称“中国信通院”)研发的“智御”个人信息保护大模型正式接入DeepSeek,实现了个人信息保护领域专业语义精准捕获、多维信息关联分析及持续进化的合规态势感知综合能力跃升。“智御”发布以来,面向移动互联网应用开发者、分发平台、终端厂商、检测机构等行业上下游企业,提供多模态、多样化的合规咨询、风险检测、代码修复、决策支持等服务,已输出合规优化建议7200余条,有效助力企业提升个人信息保护意识和能力。此次“智御”完成与DeepSeek的融合升级后,借助其卓越理解和推理能力,显著提升了语义意图识别和多源异构数据处理能力,能够更精准地解析行业用户需求,支持处理更复杂的场景任务,提供更加智能、高效、便捷的服务。
<正>一、期刊简介《网络新媒体技术》期刊是经国家新闻出版总署批准,中国科学院主管,中国科学院声学研究所主办,依托国家网络新媒体工程技术研究中心公开发行的综合性中文学术期刊。本刊由中国科学院声学研究所主办的原《微计算机应用》更名而来。二、期刊宗旨《网络新媒体技术》致力于国内外高水平的网络新媒体技术及相关领域的交叉学科的学术、技术交流,推广网络新媒体技术的前沿创新成果,推动国内网络新媒体技术领域的产、学、研、用创新产业生态链环境的发展。其宗旨是“专注新媒体创新领域,倡导跨媒体融合理念,建立新媒体交流平台,推进产业链协作发展”。三、征稿范围与主要栏目征稿范围包括但不限于网络、通信、计算机、新媒体、广播电视等相关研究与技术领域,主要栏目如下:1.前沿与综述:对前沿的、新兴的或活跃的学术研究、技术领域的综合评述。2.学术研究:创新学术研究成果的完整论述,或先进实用的创新开发成果的技术总结。3.实用技术:对编程语言、开源项目、开发平台与工具的评述。4.经典评述:对经典模型、算法、国内国际标准的分析、比较与评述。5.业界动态:新闻汇总,技术成果推介、主流系统与平台介绍等。
