ITPub博客

1.图嵌入是一种将图数据（通常为高维稠密的矩阵）映射为低微稠密向量的过程,如图。图嵌入需要捕捉到图的拓扑结构，顶点与顶点的关系，以及其他的信息 （如子图，连边等）。如果有更多的信息被表示出来，那么下游的任务将会获得更好的表现。在嵌入的过程中存在着一种共识：向量空间中保持连接的节点彼此靠近。总的来说图嵌入技术大致可以分为两种：节点嵌入和图嵌入。当需要对节点进行分类，节点相似度预测，节点分布可视化时一

连续分片线性函数是一类具备局部线性特性和全局非线性特性的连续函数。具有特定表示模型的连续分片线性函数能够对紧集上的任意连续函数进行全局逼近。其本质是利用有限数量的线性函数对复杂的非线性系统进行精确建模，即在保持局部线性特性的同时，使整体建模表现出非线性特性。分片线性神经网络（PieceWise Linear Neural Networks，PWLNN）是利用连续分片线性函数对非线性系统建模的主要方

深度学习理论，特别是关于几何深度学习和图神经网络的理论，和传统深度学习理论比较类似，研究重点主要包括以下几个方面：深度学习的表达能力，涉及到很多的数学理论，当然也可能涉及一些物理的解释；例如，学习理论、调和分析、统计学对于研究深度学习的泛化能力非常重要；深度学习主要依赖于反向传播算法，所以最优化理论也是一个重要的研究工具；一些特别有效的算法的设计基本原理，也依赖于诸多数学理论。图神经网络是几何深度

在新一轮科技革命和产业变革推动下，美俄等国纷纷加快以强激光武器、高功率微波武器、粒子束武器等为代表的电磁硬摧毁装备技术发展,电磁空间作战手段正呈现由“以软为主”向“以硬为主”的发展趋向。电磁硬摧毁手段的体系化运用将推进电磁空间作战样式创新，并在毁瘫敌天基体系、打赢无人战争、夺控战场制权和战略制衡博弈中发挥关键性作用。电磁毁瘫战正成为电磁空间作战的一种新型作战样式。电磁毁瘫战，是指着眼作战对手信息赋

一、语言表征学习 Language Representation Learning通过自监督语言模型预训练的语言表征学习已经成为许多NLP系统的一个组成部分。传统的语言建模不利用文本语料库中经常观察到的实体事实，如何将知识整合到语言表征中已引起越来越多的关注。二、知识图谱语言模型（KGLM）：通过选择和复制实体来学习并呈现知识。ERNIE-Tsinghua：通过聚合的预训练和随机Mask来融合信息

一、数字孪生是源自工业界的概念，随着新一代信息技术的发展和广泛应用，数字孪生的应用范围不断扩大。简单来说，就是针对现实世界中的实体对象，在数字化世界中构建完全一致的对应模型，通过数字化的手段对实体对象进行动态仿真、监测、分析和控制。"数字孪生"强调仿真、建模、分析和辅助决策，侧重的是物理世界对象在数据世界的重现、分析、决策，而可视化做的就是对物理世界的真实复现和决策支持。二、智

这两年人工智能（Artificial Intelligence）领域热闹非凡，不仅科技巨头纷纷发力AI取得技术与产品的突破，还有众多初创企业获得风险资本的青睐，几乎每周都可以看到相关领域初创公司获得投资的报道。AiphaGo在围棋游戏中大胜李世石使人们对AI刮目相看的同时也引发了对AI将如何改变我们生活的思考。其实，人工智能从上世纪40年代诞生至今，经历了一次又一次的繁荣与低谷，下面我们就来回顾下

CNN的强大之处在于它的多层结构能自动学习特征，并且可以学习到多个层次的特征：较浅的卷积层感知域较小，学习到一些局部区域的特征；较深的卷积层具有较大的感知域，能够学习到更加抽象一些的特征。这些抽象特征对物体的大小、位置和方向等敏感性更低，从而有助于识别性能的提高。

9月20日消息，斯坦福大学一项新的研究表明，人工智能可以通过问一些看起来很愚蠢的问题来帮助它们变得更加聪明。研究人员研发的新系统在回答Instagram上的相似问题时，其准确率提高了118%。如果有人给你看一张鳄鱼的照片，并问你它是不是一只鸟？你可能会哈哈大笑。一项新的研究表明，这种在我们看来有些愚蠢的互动可能是帮助人工智能学习的关键。在该研究中，这种方法显著提高了人工智能解释新图像的准确性，可以

4.  统计数据驱动的剩余寿命预测传统统计数据驱动的剩余寿命预测方法通过对设备失效时间数据统计分析, 构造寿命TT的分布函数, 由此设备在tt时刻的剩余寿命即为 T−t|T>t,zT−t|T>t,z, 其中zz代表该类设备的事件数据集(主要指失效时间数据), 然后通过分布拟合得到寿命TT的概率分布, 再通过上述条件随机变量的关系实现剩余寿命预测[110].

在过去的几年中，神经网络的兴起与应用成功推动了模式识别和数据挖掘的研究。许多曾经严重依赖于手工提取特征的机器学习任务（如目标检测、机器翻译和语音识别），如今都已被各种端到端的深度学习范式（例如卷积神经网络（CNN）、长短期记忆（LSTM）和自动编码器）彻底改变了。曾有学者将本次人工智能浪潮的兴起归因于三个条件，分别是：· 计算资源的快速发展（如GPU）· 大量训练数据的可用性·

摘要面向大数据背景下随机退化设备剩余寿命(Remaining useful life, RUL)预测的现实需求, 结合随机退化设备监测大数据特点及剩余寿命预测不确定性量化这一核心问题, 深入分析了机理模型与数据混合驱动的剩余寿命预测技术、基于机器学习的剩余寿命预测技术、统计数据驱动的剩余寿命预测技术以及机器学习和统计数据驱动相结合的剩余寿命预测技术的基本研究思想和发展动态, 剖析了当前研究存在的局

一、知识图谱概论1.1知识图谱始于20世纪50年代，至今大致分为三个发展阶段：• 第一阶段 （1955年—1977年）是知识图谱的起源阶段，在这一阶段中引文网络分析 开始成为一种研究当代科学发展脉络的常用方法；• 第二阶段（1977年-2012 年）是知识图谱的发展阶段，语义网得到快速发展，“知识本体”的研究 开始成为计算机科学的一个重要领域，知识图谱吸收了语义网、本体在知识组织和表达方面的理念，

各企事业单位： 国家“十四五”规划中，“智能”“智慧”相关表述高达57处，这表明在当前我国经济从高速增长向高质量发展的重要阶段，以人工智能为代表的新一代信息技术，将成为我国“十四五”期间推动经济高质量发展、建设创新型国家的重要技术保障和核心驱动力之一。当前，人工智能的发展，在很大程度上归功于深度学习技术的发展。人们逐渐认识到，当你有了深度学习算法、模型，并构建了深度神经网络时，需要足够多

识别网络爬虫的策略分析一、网络爬虫爬虫（crawler）也可以被称为spider和robot，通常是指对目标网站进行自动化浏览的脚本或者程序，包括使用requests库编写脚本等。随着互联网的不断发展，网络爬虫愈发常见，并占用了大量的网络资源。由爬虫产生的网络流量占总流量的37.2%，其中由恶意爬虫产生的流量约占65%[1]。如何在网络流量中识别爬虫，是判断爬虫行为意图的前提，常见的使用爬虫的场景

摘要： 深度学习技术在图像处理、语言翻译、疾病诊断、游戏竞赛等领域已带来了颠覆性的变化。流体力学问题由于维度高、非线性强、数据量大等特点，恰恰是深度学习擅长并可以带来研究范式创新的重要领域。目前，深度学习技术已在流体力学领域得到了初步应用，其应用潜力逐渐得到证实。以流体力学深度学习技术为背景，结合课题组近期研究结果，探讨了流体力学深度学习建模技术及其最新进展。首先，对深度学习技术所涉及的

上帝按照自己的样子创造出了人类，而人类想要根据实体世界的样子创造出数字孪生。基于工业界及学术界对数字孪生的定义，《智能制造术语解读》将数字孪生技术定义为：是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。相信很多人都听说过数字孪生。在过去几年，数字孪生技术的热度不断攀升，备受行业内外的关注

 战争一直以来都是改变世界格局的有力方式。当今世界正面临百年未有之大变局，美西方国家纷纷增加国防预算，加速推进军事转型，提升高端战争能力。应对共同安全威胁和挑战，维护世界和平稳定，服务构建人类命运共同体，需要积极探索智能化高端战争趋势，积极做好应对智能化高端战争准备，不断增强打赢智能化高端战争的能力。 认清智能化高端战争的总体面貌 战争是流血的政治。时代的发展虽然没有改变战争的本质属性，

9月3日，2022世界人工智能大会“腾讯论坛”在上海举办。腾讯数字孪生产品副总裁万超发表主题演讲，重点分享了腾讯在数字孪生领域的技术发展与应用实践。万超表示，数实融合的大背景下，数字孪生作为复杂技术的代表，已经进入一个产业爆发期，技术的进步和应用的拓展推动了产业互联网的蓬勃发展。腾讯的数字孪生依托体系化的技术能力，已经在交通、建筑、园区、城市、工业、水务等多个领域打造创新实践，目前正以更加开放化、

源自：经济日报    记者：黄鑫算力作为数字经济时代的关键生产力要素，已成为推动数字经济发展的核心支撑力和驱动力。在6月29日举行的中国算力大会新闻发布会上，工业和信息化部副部长张云明透露，截至2021年底，我国在用数据中心机架总规模超过520万标准机架，在用数据中心服务器规模1900万台，算力规模排名全球第二。“这些数据表明，随着高质量算力基础设施建设的推