为解决可逆信息隐藏(reversible data hiding,RDH)容量受限的问题,提出了一种基于相邻均值差的可逆信息隐藏(neighboring mean difference reversible data hiding,NMDRDH)算法。相邻均值差(neighboring mean diffe-rence,NMD):计算两...为解决可逆信息隐藏(reversible data hiding,RDH)容量受限的问题,提出了一种基于相邻均值差的可逆信息隐藏(neighboring mean difference reversible data hiding,NMDRDH)算法。相邻均值差(neighboring mean diffe-rence,NMD):计算两个相邻数值的平均值与其中一个数值的差值。NMD将差值最小化,使数据更加集中。首先将图像进行分块,然后在分块上应用NMD生成差值直方图,最后通过平移差值直方图,利用峰值点来嵌入秘密信息。由于NMD使生成的差值直方图具有更多的峰值点,所以该方法可嵌入更多的秘密信息。实验结果表明,采用本算法,原始图像恢复率和秘密信息提取正确率均为100%;相比于经典差值直方图平移方法,本算法的嵌入容量提升了43.7%;本算法在保证高容量的同时,PSNR达到42 dB以上,确保了嵌入图像失真较小。展开更多
近年来,大语言模型(Large Language Models,LLMs)在自然语言处理各任务中取得了显著进展。然而,通用大模型在特定垂直领域的表现仍存在局限。为提升模型在印刷包装领域中的理解与生成能力,本研究构建了一个专属领域数据集APPD,并基于Cha...近年来,大语言模型(Large Language Models,LLMs)在自然语言处理各任务中取得了显著进展。然而,通用大模型在特定垂直领域的表现仍存在局限。为提升模型在印刷包装领域中的理解与生成能力,本研究构建了一个专属领域数据集APPD,并基于ChatGLM3-6B模型进行定向微调。该数据集采用Alpaca格式构建,覆盖了包装设计、材料说明、生产流程、设备操作等多个典型应用场景。在该数据集上进行微调实验,模型在印刷包装相关任务上表现出更强的语言理解与任务完成能力。实验结果表明,领域微调能够有效提升模型的实用性与专业性。本研究为大语言模型在传统制造行业的落地应用提供了新思路。展开更多
语义通信(semantic communication,SemCom)是一种融合智能与通信的新兴技术,有望突破传统通信的带宽瓶颈,成为未来第六代移动通信系统(6th generation mobile communication system,6G)的通信新范式。当前,语义通信技术在边缘计算场景...语义通信(semantic communication,SemCom)是一种融合智能与通信的新兴技术,有望突破传统通信的带宽瓶颈,成为未来第六代移动通信系统(6th generation mobile communication system,6G)的通信新范式。当前,语义通信技术在边缘计算场景中的应用已取得了一些初步研究成果,但仍缺乏系统的分析与总结。为推动语义通信领域的进一步发展,从物联网(Internet of Things,IoT)任务场景和广义边缘场景两个角度,详细阐述了语义通信在特定计算任务场景中的近五年代表性研究成果。此外,语义通信技术发展瓶颈在于对算力的高需求,算力网络(computing power network,CPN)驱动语义通信成为解决这一瓶颈的理想方案。进一步介绍了算力网络的研究现状,对比分析了边缘计算与算力网络的特性,深入分析了算力网络在推动语义通信技术发展中的潜力,最后对算力网络和语义通信未来研究前景进行了展望。展开更多
现代成语教学面临着内容抽象、形式单一等问题,人工创作符合现代思维的情景化案例需耗费大量人力物力。为了解决这一问题,本研究利用大型语言模型(Large Language Models,LLMs)为成语生成科幻文本解释。LLMs在通用文本生成领域中表现突...现代成语教学面临着内容抽象、形式单一等问题,人工创作符合现代思维的情景化案例需耗费大量人力物力。为了解决这一问题,本研究利用大型语言模型(Large Language Models,LLMs)为成语生成科幻文本解释。LLMs在通用文本生成领域中表现突出,然而在需要结合领域知识的复杂任务中仍存在不足。为了提升LLMs在科幻情景下解释成语的能力,本研究首先构建包含12976条样本的成语解析样本和4675部中文科幻作品作为原始数据,经过数据清洗后的数据集用LoRA、DoRA、AdaLoRA三种微调方法对四种大模型进行微调,随后综合评估模型性能。实验表明,三种微调方法均能显著提升模型在科幻语境下的成语解释能力,其中DeepSeek-7B经过AdaLoRA微调后表现最好。本研究为提升大语言模型的跨领域文本生成能力提供了可借鉴的方法。展开更多
文摘为解决可逆信息隐藏(reversible data hiding,RDH)容量受限的问题,提出了一种基于相邻均值差的可逆信息隐藏(neighboring mean difference reversible data hiding,NMDRDH)算法。相邻均值差(neighboring mean diffe-rence,NMD):计算两个相邻数值的平均值与其中一个数值的差值。NMD将差值最小化,使数据更加集中。首先将图像进行分块,然后在分块上应用NMD生成差值直方图,最后通过平移差值直方图,利用峰值点来嵌入秘密信息。由于NMD使生成的差值直方图具有更多的峰值点,所以该方法可嵌入更多的秘密信息。实验结果表明,采用本算法,原始图像恢复率和秘密信息提取正确率均为100%;相比于经典差值直方图平移方法,本算法的嵌入容量提升了43.7%;本算法在保证高容量的同时,PSNR达到42 dB以上,确保了嵌入图像失真较小。
文摘近年来,大语言模型(Large Language Models,LLMs)在自然语言处理各任务中取得了显著进展。然而,通用大模型在特定垂直领域的表现仍存在局限。为提升模型在印刷包装领域中的理解与生成能力,本研究构建了一个专属领域数据集APPD,并基于ChatGLM3-6B模型进行定向微调。该数据集采用Alpaca格式构建,覆盖了包装设计、材料说明、生产流程、设备操作等多个典型应用场景。在该数据集上进行微调实验,模型在印刷包装相关任务上表现出更强的语言理解与任务完成能力。实验结果表明,领域微调能够有效提升模型的实用性与专业性。本研究为大语言模型在传统制造行业的落地应用提供了新思路。
文摘语义通信(semantic communication,SemCom)是一种融合智能与通信的新兴技术,有望突破传统通信的带宽瓶颈,成为未来第六代移动通信系统(6th generation mobile communication system,6G)的通信新范式。当前,语义通信技术在边缘计算场景中的应用已取得了一些初步研究成果,但仍缺乏系统的分析与总结。为推动语义通信领域的进一步发展,从物联网(Internet of Things,IoT)任务场景和广义边缘场景两个角度,详细阐述了语义通信在特定计算任务场景中的近五年代表性研究成果。此外,语义通信技术发展瓶颈在于对算力的高需求,算力网络(computing power network,CPN)驱动语义通信成为解决这一瓶颈的理想方案。进一步介绍了算力网络的研究现状,对比分析了边缘计算与算力网络的特性,深入分析了算力网络在推动语义通信技术发展中的潜力,最后对算力网络和语义通信未来研究前景进行了展望。
文摘现代成语教学面临着内容抽象、形式单一等问题,人工创作符合现代思维的情景化案例需耗费大量人力物力。为了解决这一问题,本研究利用大型语言模型(Large Language Models,LLMs)为成语生成科幻文本解释。LLMs在通用文本生成领域中表现突出,然而在需要结合领域知识的复杂任务中仍存在不足。为了提升LLMs在科幻情景下解释成语的能力,本研究首先构建包含12976条样本的成语解析样本和4675部中文科幻作品作为原始数据,经过数据清洗后的数据集用LoRA、DoRA、AdaLoRA三种微调方法对四种大模型进行微调,随后综合评估模型性能。实验表明,三种微调方法均能显著提升模型在科幻语境下的成语解释能力,其中DeepSeek-7B经过AdaLoRA微调后表现最好。本研究为提升大语言模型的跨领域文本生成能力提供了可借鉴的方法。
