检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

5G基站节能面临的关键问题和解决方案

中兴通讯技术 2024年

作者：王小锋韩茜中兴通讯股份有限公司

本文主要研究了5G网络节能的主流方法、商用中面临的主要问题。分析了这些问题的成因并给出了解决方案，并进一步提出了利用人工智能和大模型解决无线网络节能这一复杂问题的方法。

关键词： 5G 节能神经网络大模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

5G电源模组高精度3D结构光测量技术

中兴通讯技术 2024年

作者：邓芳黄石军中兴通讯股份有限公司

提出了多视角大景深高精度3D视觉传感技术。运用高清数字光处理（DLP）结构光投影技术和高速高分辨工业相机，从板级集成电路设计、控制驱动软件研发、3D点云重建与处理算法等方面深入研究，自主研发亚微米级/低成本多视角大景深高精度3... 详细信息

提出了多视角大景深高精度3D视觉传感技术。运用高清数字光处理（DLP）结构光投影技术和高速高分辨工业相机，从板级集成电路设计、控制驱动软件研发、3D点云重建与处理算法等方面深入研究，自主研发亚微米级/低成本多视角大景深高精度3D视觉测量技术。主要包括：采用高分辨率、高帧率的工业摄像机，实现高精度的三维重建；采用多波长相位扩展法，实现高精度的相位计算；利用多工业摄像机解决视场隐藏，扩大了三维重构视场，最终实现了0.48μm Z轴的重复精度。

关键词：多视角三维重建多波长相位扩展法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

大语言模型算法演进综述

中兴通讯技术 2024年第2期30卷 9-20页

作者：朱炫鹏姚海东刘隽熊先奎中兴通讯股份有限公司深圳518057

基于Transformer架构的大语言模型展现出强大的能力,是人类迈向通用人工智能(AGI)的一个重大进步。大语言模型架构和算法的演进分为提高推理效率、提高模型能力两条技术路线。介绍了两条技术路线主流的技术方案和思路。提高推理效率的... 详细信息

基于Transformer架构的大语言模型展现出强大的能力,是人类迈向通用人工智能(AGI)的一个重大进步。大语言模型架构和算法的演进分为提高推理效率、提高模型能力两条技术路线。介绍了两条技术路线主流的技术方案和思路。提高推理效率的方法有分布式推理、计算优化、访存优化、量化等;提高模型能力主要是引入新的架构,如混合专家(MoE)模型、状态空间模型(SSM)等。

关键词：大语言模型 Transformer 注意力

在线全文

学校读者我要写书评

暂无评论

大模型训练技术综述

中兴通讯技术 2024年第2期30卷 21-28页

作者：田海东张明政常锐童贤慧中兴通讯股份有限公司深圳518057

实现高效训练已成为影响大模型应用普及的关键要素之一。按照数据准备、数据加载、模型初始化及评估、训练并行、模型状态保存的一般训练流程,对大模型高效训练的主要技术进行分析和论述。面对大模型规模的持续增长、数据处理类型的扩展... 详细信息

实现高效训练已成为影响大模型应用普及的关键要素之一。按照数据准备、数据加载、模型初始化及评估、训练并行、模型状态保存的一般训练流程,对大模型高效训练的主要技术进行分析和论述。面对大模型规模的持续增长、数据处理类型的扩展,现有大模型训练技术仍存在较大的优化空间。认为未来大模型训练重点研究方向包括以数据为中心、数据加载智能化和异构加速、网络通信领域定制、训练并行及自动化。

关键词：大模型数据准备数据加载模型初始化模型评估训练并行训练网络检查点

在线全文

学校读者我要写书评

暂无评论

5G-Advanced技术及应用

中兴通讯技术 2024年第4期30卷 69-76页

作者：王伟张诗壮李晓帆芮华中兴通讯股份有限公司中国深圳518057

提出了5G-Advanced技术的总体愿景目标、主要演进方向以及六大应用场景,包括无缝万兆、全域通感、泛在智能、空天地一体、千亿物联、确定能力,并详细阐述了场景需求和关键技术。无缝万兆进一步提升网络速率和降低时延,全域通感将通信与... 详细信息

提出了5G-Advanced技术的总体愿景目标、主要演进方向以及六大应用场景,包括无缝万兆、全域通感、泛在智能、空天地一体、千亿物联、确定能力,并详细阐述了场景需求和关键技术。无缝万兆进一步提升网络速率和降低时延,全域通感将通信与感知功能结合,拓展无线网络边界,泛在智能通过AI赋能提升网络智能化水平,空天地一体实现星地融合,千亿物联支持高中低速全场景的物联接入,确定能力满足工业生产的高要求。5G-Advanced技术将持续提升5G网络能力,拓展应用场景,引领行业走向6G。

关键词： 5G-Advanced 全域通感空天地一体千亿物联

在线全文

学校读者我要写书评

暂无评论

大语言模型对齐研究综述

电信科学 2024年第6期40卷 173-194页

作者：刘昆麟屈新纪谭芳康红辉赵少伟施嵘中兴通讯股份有限公司广东深圳518057

随着人工智能技术的飞速发展,大语言模型已在众多领域得到了广泛应用。然而,大语言模型可能会生成不准确、有误导性甚至有害的内容,这引发了人们对大语言模型可靠性的担忧,采用对齐技术来确保大语言模型的行为与人类价值观一致已经成为... 详细信息

随着人工智能技术的飞速发展,大语言模型已在众多领域得到了广泛应用。然而,大语言模型可能会生成不准确、有误导性甚至有害的内容,这引发了人们对大语言模型可靠性的担忧,采用对齐技术来确保大语言模型的行为与人类价值观一致已经成为一个亟待解决的问题。对近年来大语言模型对齐技术的研究进展进行综述。介绍了常用的指令数据收集方法和人类偏好数据集,概述了监督调整和对齐调整的相关研究,讨论了模型评估常用的数据集和方法,总结并展望了未来的研究方向。

关键词：大语言模型对齐技术调整强化学习

在线全文

学校读者我要写书评

暂无评论

高阶自智网络关键技术及应用

中兴通讯技术 2024年第4期30卷 77-82页

作者：孙方平钱铮铁中兴通讯股份有限公司中国深圳518057

探讨了自智网络在通信业界的普及与演进,并着重分析了两种推动自智网络向高阶发展的关键驱动力:大模型(LLM)和数字孪生技术。大模型在通信网络中的应用展现了其不可替代的优势,并且持续演进的新技术如检索增强生成(RAG)正逐步提升其适... 详细信息

探讨了自智网络在通信业界的普及与演进,并着重分析了两种推动自智网络向高阶发展的关键驱动力:大模型(LLM)和数字孪生技术。大模型在通信网络中的应用展现了其不可替代的优势,并且持续演进的新技术如检索增强生成(RAG)正逐步提升其适配通信网络场景的能力。在实际应用中,大小模型的结合以及多AI智能体的协同工作,为处理复杂场景分析和执行任务提供了有效手段。数字孪生技术则为高阶自智网络的发展提供了控制风险的重要工具,其深化应用需关注的技术焦点包括特征网络模型的精准构建、高效的数据管理技术以及分布式数字孪生系统的完善。大模型和数字孪生技术的融合,不仅有助于网络深入理解用户意图,实现自主决策和执行任务,更为自智网络迈向高阶阶段提供了坚实的技术支撑。

关键词：自智网络大模型数字孪生

在线全文

学校读者我要写书评

暂无评论

50G-PON标准进展及关键技术

中兴通讯技术 2024年第3期30卷 72-80页

作者：黄新刚杨波中兴通讯股份有限公司中国深圳518057

50G-PON标准制定主要工作已基本完成,下行支持50 Gbit/s,上行支持12.5 Gbit/s、25 Gbit/s和50 Gbit/s。50G-PON支持GPON、XG(S)-PON、50G-PON三代共存。50 Gbit/s光接口指标采用OMA-TDEC参数体系,光模块发射光功率、消光比、TDEC指标可以相互补偿,核心是要满足光调制功率与TDEC的最小差值要求。50G-PON引入DSP均衡以提升接收灵敏度。为了发挥DSP均衡能力,TIA、LA不能采用限幅放大,需要支持线性放大。线性突发LDD、TIA、LA和BCDR是50G-PON突发收发关键芯片。50G-PON采用纠错能力更强的LDPC纠错技术以提升接收机灵敏度,与DSP集成可以支持软值LDPC。SFP尺寸的GPON、XG(S)-PON、50G-PON三代Combo是50G-PON OLT光模块的关键需求。模块结构布局和功耗是主要挑战。

关键词： 50G-PON 数字信号处理均衡低密度奇偶校验突发收发三代Combo

面向Select和Sort的数据库算子缓存的设计与实现

在线全文

学校读者我要写书评

暂无评论

计算机学报 2024年第9期47卷 2084-2103页

作者：蔡万里王新硕胡卉芪蔡鹏周烜屠要峰华东师范大学数据科学与工程学院上海200062 中兴通讯股份有限公司南京210012

缓存是数据库中提高查询性能的一种常用技术.目前,现有数据库缓存主要有两个方向:查询结果缓存和存储层块缓存.查询结果缓存是利用数据库查询执行的最终结果或中间结果(如子查询),而存储层块缓存则缓存查询涉及的底层数据块.本文从另外... 详细信息

缓存是数据库中提高查询性能的一种常用技术.目前,现有数据库缓存主要有两个方向:查询结果缓存和存储层块缓存.查询结果缓存是利用数据库查询执行的最终结果或中间结果(如子查询),而存储层块缓存则缓存查询涉及的底层数据块.本文从另外一个角度“缓存中含有的计算量”来重新审视缓存在查询优化中的应用,并以此为基础进一步划分数据库缓存方式.在查询执行过程中,数据库查询被转换成一系列操作(例如选择、排序等)的集合,而算子对应操作.查询处理中算子输出的数据为中间结果,含有部分计算量,我们将这部分数据进行缓存并加以利用.我们将这种缓存部分计算量的缓存方式称为算子缓存,即缓存每个操作执行后的结果.由于不同查询之间可能会存在相同算子,对相近数据执行相同计算,因此利用算子缓存加速查询执行性能具有相当大的潜力.本文的新颖之处在于从缓存含有的计算量角度出发,提出并研究算子缓存如何在查询优化中应用.本文以Filter、Sort算子为例,针对缓存复用提出了一种基于语义树的匹配算法,用于快速匹配缓存中的结果集.同时,针对复用缓存可能劣化查询性能的情况,提出使用基于成本的代价优化器防止使用缓存劣化查询性能.最后,本文基于开源分析型数据库ClickHouse实现了Filter、Sort算子缓存的原型,并对提出的算子缓存方案进行了大量的实验测试.结果表明,相比块缓存、物化视图方式,本文提出的算子缓存方案在本地SSD部署下最大能够分别提升9倍以及1.5倍的查询响应速度,在云环境下部署能够分别提升30倍以及2倍的查询响应速度.

关键词：数据库查询执行查询优化算子缓存联机分析处理