-
题名云业务AI对话系统模型调优方法探讨
- 1
-
-
作者
熊文剑
林炳
王娟
顾慧琼
鲍金安
程文霏
-
机构
中移动信息技术有限公司
中国移动通信集团设计院有限公司
-
出处
《电信工程技术与标准化》
2025年第2期78-82,共5页
-
文摘
本文旨在提出一种针对AI对话系统模型的调优方法,运用多轮对话微调技术,精准捕捉客户需求,解决云业务开展过程中客户咨询对话理解和回复精准度不足等问题。本方法显著提高客户反馈准确性,增强系统智能化水平,从而提供更个性化、高效的咨询服务,为云业务的进一步发展筑牢根基。
-
关键词
人工智能
模型调优
AI对话系统
-
Keywords
artifi cial intelligence
model optimizing
AI dialogue system
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-
-
题名谷氨酸发酵调优操作模型
被引量：3
- 2
-
-
作者
方柏山
林金清
-
机构
华侨大学化工与生化工程系
-
出处
《华侨大学学报（自然科学版）》
CAS
1994年第3期331-334,共4页
-
基金
福建省自然科学基金
-
文摘
以谷氨酸发酵的产酸率，转化率及生产能力为优化目标，对谷氨酸工业生产过程中所涉及的工艺条件进行回归，建立了一套好的调优操作模型．计算表明，运用调优操作于谷氨酸发酵具有很大的潜力．
-
关键词
谷氨酸
发酵
调优操作
调优模型
-
Keywords
glutamic acid,fermentation,evolutionary operation,model
-
分类号
TQ922.1
[轻工技术与工程—发酵工程]
-
-
题名通信大模型:技术进展与案例研究
- 3
-
-
作者
倪万里
秦志金
孙浩峰
郑景桁
田辉
陶晓明
-
机构
清华大学电子工程系
北京邮电大学网络与交换技术全国重点实验室
-
出处
《移动通信》
2025年第1期21-35,共15页
-
基金
国家重点研发计划“语义驱动的多模态网络全息通信关键技术”(2023YFB2904300)
国家自然科学基金项目“端到端语义信息传输方法”,“多媒体计算通信项目”,“自动驾驶混行交通环境人因安全监测仪器”(62293484,61925105,62227801)
+1 种基金
国家资助博士后研究人员计划(GZB20240386)
中国博士后科学基金资助项目(2024M761669)。
-
文摘
随着大模型技术不断向领域定制化、多模态融合及多任务处理能力深化,通信大模型在赋能网络智能化转型、高效优化资源配置、以及提升用户体验等方面展现出前所未有的潜力和价值。首先从云侧、边缘及端侧三方面系统性地综述了通信大模型的分类体系及主要网络功能。进而,探讨了通信大模型的预训练与参数微调策略,特别是强调了任务导向的参数微调和交互式协作推理等关键技术。接着,通过分析具体案例的成功实践,如中国移动九天大模型、中国联通元景大模型和中国电信星辰大模型,深入剖析了通信大模型在精细化网络管理、高效数据传输策略制定及用户体验全面升级等方面的核心优势与巨大潜力。最后,展望了通信大模型在未来网络智能化演进、创新服务模式探索及运营效率提升等方面的广阔研究前景,同时也总结了诸多前沿技术挑战,包括数据隐私与安全的严格保障、模型泛化性与鲁棒性的增强、实时处理能力的优化以及系统可扩展性的改善等。
-
关键词
通信网络
大模型
网络智能化
模型调优
-
Keywords
communication networks
large models
network intelligence
model optimization
-
分类号
TN929.5
[电子电信—通信与信息系统]
-
-
题名基于BP算法的水泥配料调优操作模型
被引量：2
- 4
-
-
作者
方千山
马荣
-
机构
华侨大学电气技术系
福建省环保局
-
出处
《华侨大学学报（自然科学版）》
CAS
1998年第4期350-353,共4页
-
文摘
借助ＢＰ算法，对水泥原料化学成分的关联参数进行研究，建立起能较好地预估水泥质量状态下的神经网络，以达到配料方法的调优操作．
-
关键词
配料
BP算法
调优操作模型
水泥
-
分类号
TQ172.614
[化学工程—水泥工业]
-
-
题名基于机器学习回归模型的三峡大坝混凝土强度预测
被引量：18
- 5
-
-
作者
徐潇航
胡张莉
刘加平
李文伟
刘建忠
-
机构
东南大学材料科学与工程学院
中国长江三峡集团有限公司
江苏苏博特新材料股份有限公司
-
出处
《材料导报》
EI
CAS
CSCD
北大核心
2023年第2期41-49,共9页
-
基金
国家自然科学基金联合基金项目(U2040222)
高性能土木工程材料国家重点实验室开放基金项目(2020CEM011)。
-
文摘
人工神经网络、决策树与支持向量机为目前混凝土强度预测的常用机器学习算法。为实现三峡大坝大体积混凝土原材料筛选以及配比经验的学习与应用,并对大坝维护以及其他水利工程的建设提供指导,本研究基于三峡大坝主体工程混凝土28 d抗压强度数据,构建了原材料性能及配合比与混凝土强度之间的关系,并结合随机森林特征权重排序与统计分析的方法,确定了水泥用量、混凝土温度、水灰比为影响三峡大坝混凝土抗压强度的关键特征参数。探讨了常用机器学习算法对三峡大坝28 d混凝土强度预测效果,依据固定特征参数、通用参数与超参数综合调优后的多种算法的预测结果对比可知,经体系化综合调优的Epsilon支持向量回归(SVR)算法在预测中更优。
-
关键词
混凝土
三峡工程
抗压强度
机器学习
模型调优
-
Keywords
concrete
Three Gorges project
compressive strength
machine learning
model optimization
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
TP183
[自动化与计算机技术—控制理论与控制工程]
TU502.6
[建筑科学—建筑技术科学]
TU528.01
[建筑科学—建筑技术科学]
-
