双约束深度卷积网络的高光谱图像空谱解混方法

高光谱图像凭借其“图谱合一”的特点逐渐在军事、环境、农业等方面发挥出重要作用。但是，由于传感器空间分辨率的限制以及地物分布的复杂多样性，高光谱遥感图像中通常存在大量的混合像元，严重制约了高光谱遥感的应用范围。目前，处理混合像元问题最有效的分析方法是混合像元分解（解混）。近年来，深度学习的发展对高光谱遥感产生了重大影响，也催生出一系列基于深度学习的解混方法。现有基于深度学习的解混方法在隐藏信息挖掘方面表现出极大的潜力和优势，通常情况下能够取得更加准确的结果。然而，这些方法大多只考虑了地物的光谱信息而忽略空间分布规律，导致在复杂场景中估算结果可能并不理想，逐渐难以满足工程应用的实际需求。为进一步发掘和利用空间信息提升解混的准确性，本文构建了一种新的深度学习网络来实现高光谱图像解混。新提出的解混网络采用卷积层来获取先验信息，利用高斯核函数的特性来协助区分物质属性，并且通过分配中心像元与邻域像元间的权重来增进丰度平滑性。在新网络中，本文使用Softmax作为丰度对应层的激活函数来约束丰度的输出。此外，在Softmax中，本文采用了L1/2正则化来避免节点出现过拟合而影响最终结果，进一步强化了网...     

电信运营商AI客服平台技术研究与应用分析

回顾了客服平台的发展历程，包括第一代交互式话音应答（interactive voice response,IVR）客服、第二代多媒体在线客服和第三代人工智能（artificial intelligence,AI）客服，阐述了每代客服平台的功能特点，介绍了制造业、金融业、交通运输业、通信行业等领域客服系统的功能构建。在此基础上，勾勒了运营商AI客服平台的应用组件，包括智能派单、语音转写、知识推荐、智能质检、智能定责等。运营商采用AI客服平台已成为趋势，未来将融合多种智能技术如大模型（large-scalemodel）、自然语言处理（naturallanguage processing,NLP）、知识图谱等来满足客服需求。     

医用镍钛合金化学成分标准样品研制

医用镍钛合金化学成分标准样品以金属Ni, Ti为主要原料，经熔炼、雾化制粉、除杂、筛分、混匀等工序制备而成。通过对不同粒度间样品的化学成分和微观组织形貌的均匀性初检，以及最小包装单元样品的均匀性检验，表明样品均匀性良好。经14 d的短期稳定性检验和10个月的长期稳定性检验，表明样品在贮存期内成分未出现显著变化。经9家有资质的实验室选用不同原理的方法进行协作定值，表明Ni的扩展不确定度为0.21%，其余元素的扩展不确定度1×10^-4%～1×10^-3%之间。该标准样品的研制为医用镍钛合金中Ni, Co, Cr, Cu, Fe, Nb 6种元素的检测及质量控制提供支撑。     

异形孔径光阑成像系统像方空间光强分布计算

基于异形孔径光阑的成像系统像方光强分布计算对显微系统自动对焦、景深扩展等成像技术领域发展有极其重要的理论价值，而传统的菲涅耳衍射光强分布计算公式仅适用于轴对称孔径光阑，且在焦平面处光强分布的问题。利用标量衍射理论，通过结合频谱变换与正交分离，推导出适用于异形孔径形状、任意离焦量的像方空间光场强度分布数理关系式；并利用离散傅里叶变换原理，获得了基于异形孔径光阑的光学成像系统像方空间光强分布的数值计算表达式。在圆形孔径光阑、焦平面处，对获得的表达式与传统计算公式进行了对比计算与分析，两组计算结果完全一致。针对半圆形孔径光阑，在相同的系统参数下，在离焦量分别为0,4,8μm三个像方位置处，数理模型理论计算的结果与实验测试结果基本一致。从而证明所推导数理模型的准确性，其可适用于任意形状的孔径光阑。     

运营商智能客服的关键技术和发展趋势

探讨了运营商智能客服的技术发展趋势，介绍了自动语音识别（automatic speech recognition,ASR）转写纠错技术、语义提取技术、加密数据库以及坐席访问控制等技术。分析了语音识别的错误检测和自动纠错两种不同的研究方向；在语义理解方面分析了小样本训练下的有监督学习和无监督的关键词提取；介绍了大数据加密和坐席访问控制技术。同时，展望了多模态交互技术、智能推荐技术和面向残疾人服务等技术方向。总之，智能客服技术的发展与创新将为通信行业带来更高效、便捷的服务体验，推动行业服务水平的进步。