GSM特殊场景覆盖解决方案——城中村深度覆盖解决方案

城中村——作为中国城市快速发展中所形成的特定区域，由于楼房密集巷道狭窄，从无线信号的传播的角度看，就像是一栋巨大的建筑物，单纯增加宏站，无法解决低楼层的深度覆盖问题。针对城中村这个特殊场景，在某地开展不同的室外分布系统实验，并根据实际使用效果，结合理论分析，总结出一套深度覆盖解决方案，并用于指导规划和设计、工程实施、参数优化等工作开展，改善城中村的低层弱覆盖问题，为村内用户提供优质的移动通信服务，提高运营商在城中村的竞争力。     

基于深度学习的窃电行为检测方法

相较过去大部分针对专变和公变的窃电检测方法,文中针对群体数量庞大、窃电手段复杂多样的低压用户进行窃电行为的检测分析。首先建立特征工程,然后基于卷积神经网络Le Net-5模型对日用电量数据进行建模分析,筛选出异常用电模式,再采用双层深度网络对用户信息、台区线损、告警信息等数据进行综合分析。通过比对模型输出的分级窃电嫌疑清单,本文方法对各类窃电模式有很好的查准率,为精确抓获窃电奠定了基础。     

深度全卷积网络对MRI膀胱图像的分割

大多数膀胱癌患者的膀胱肿瘤组织和膀胱壁组织互相渗透，各自的大小、形状变化多样，位置不固定，且膀胱MRI（Magnetic Resonance Imaging）图像中存在复杂的噪声和伪影，这使得将肿瘤和膀胱壁两者精确分割出来为下一步治疗进行诊断和定量分析成为难题。文中提出一种以U-net作为基础网络框架的深度全卷积网络，用残差网络子模块代替普通的卷积层进行下采样，通过空洞卷积来提取特征图不同感受野的信息，从而对不同尺度的特征图进行并行分支下采样。针对数据集小的问题，提出对图像加入高斯噪声、调节亮度和各向异性扩散滤波三种方法来进行数据扩增。实验结果表明，文中提出的方法对肿瘤分割的DSC（Dice similarity coefficient）值达到了0.9058，对膀胱壁分割的DSC值达到了0.9038，能够达到很好的分割效果。      

阿卡迈（Akamai）发布2013年第2季度《互联网发展状况》报告

拥有世界领先云平台的阿卡迈公司近日发布了2013年第2季度《互联网发展状况》报告（下载地址：http：／／www．akamai．cn／enzs／stateoftheintemeV）。该报告深度分析了全球和地区性网络连接速度、攻击流量，以及宽带使用率和状态，借此洞察当今互联网发展状况及趋势。     

基于深度学习的人体行为识别算法

目前,针对深度学习的人体行为识别研究,往往采用视频中的全局信息对人体行为进行分析.然而,局部信息缺失造成的特征提取不完备,同样会导致识别精度急剧下降.由此,提出了基于多流深度学习的人体行为识别方法,将人体局部信息与全局信息相结合,通过局部不同特征的精确识别,使人体行为识别更加准确.实验表明,与现有深度学习方法相比,提出的方法在数据集UCF101和HMDB51上识别精度分别平均提高了约4.0%和6.2%.     

非正态变异下的非线性轮廓异常点识别方法研究

在质量控制领域,非线性轮廓异常点识别问题是重点研究问题之一。本文综合运用了小波分析、数据深度、聚类分析等数据分析处理技术,提出了一种新的非正态变异的异常点识别方法。文章通过仿真分析技术,将新方法χ²与控制图方法进行性能对比,结果证实新方法能够以更高的准确率和稳定性识别异常点,表现出更好的异常点识别性能。最后将新方法应用于木板垂直密度轮廓实例对新方法进行验证,分析结果表明本方法能够有效识别出异常轮廓数据。     

O2O的本质是让传统企业进行深度变革

我觉得O2O本质上是以寻求互联网的方式，对传统企业进行深度的变革和增值的机会。而所谓的互联网思维其实是这三点。     

基于多核异构的低功耗语音AIoT芯片GX8008/GX8010

1前言相对于按钮、触摸屏、键盘输入界面,语音交互界面为人类解放了双手,还可以实现远距离控制,是一种更天然的交互方式。随着语音识别技术的发展,语音交互界面越来越成为消费者的选择。谷歌的GoogleNow和微软的Cortana,亚马逊的Alexa,还有国内的天猫精灵、百度智能音箱、360智能音箱等都实现了语音交互[1]。这些语音交互软件和设备很好地解决了智能产品的入口问题,并推动了语音交互技术的发展。目前基于深度神经网络的语音识别准确率已经超过人类自身。