横向联邦学习（Horizontal Federated Learning）[1][2]也称按样本划分的联邦学习，可以应用于联邦学习各参与方的数据集有重叠的特征空间和不同的数据样本的场景。举例来说，两个地区的通信运营商在各地有自己的用户群体，他们之间的用户交集非常小，因此他们的数据集中有不同的样本ID，但他们的业务非常相似，因此他们之间的特征空间是相同的。联合进行横向联邦学习可以更好的构建套餐推荐等模型。
2016年，Google在《Federated Learning: Strategies for Improving Communication Efficiency》论文中，首先提出“联邦学习”（Federated Learning）的概念，该方法能够联合分布于多个移动终端上的数据，实现云端模型的训练。联邦学习的核心，在于模型中心化，数据去中心化。其目的是保护用户隐私与数据安全。
SDN/NFV 和云计算都是起源于IT 领域的技术。如今，云计算已经非常成熟，在IT 领域已经大规模商用，SDN 技术作为新兴的转发技术，也已经被谷歌等互联网巨头部署在多个数据中心。随着虚拟化技术的发展，人们试图将更多的专有设备虚拟化和软件化，从而达到降低成本和灵活部署的目的，于是NFV 的概念诞生了。本文将结合广义上3 种技术本身的特点和未来5G 的网络能力要求，分析各技术在5G 架构中的技术定位和前景，同时结合实际的发展情况，总结未来运营商在技术研发和业务模式上的侧重点。
随着5G和物联网等领域的快速发展，移动数据业务飞速增长，而传统电信网络基于专用硬件的架构和封闭式的网元，已经成为运营商拓展新业务的严重障碍。NFV能够根据用户和业务需求灵活动态地进行网络资源配置，实现网络资源的高效利用，有效降低CAPEX和OPEX成本。伴随VoLTE的大规模商用部署以及为了应对物联网未来的大量业务需求，NFV和vIMS无疑是电信运营商的最佳选择。
闭环控制系统的分析往往离不开传递函数，开关电源也不例外，要知道传递 函数又要通过小信号建模，这需要《控制理论》和《信号与系统》的知识，还要 很强的数学功底，我也查阅过一些电源书籍关于开关电源的建模，比较复杂，在 此就给出结论就好了。
以反激式开关电源为研究对象，分析了其共模传导噪声的干扰源、传输通道以及变压器分布电容参 数对共模嗓声的作用，建立相应的共模传导发射分析模型和变压器分布电容模型；重
中国,低,碳,炼铁,技术,的,发展,路径,与,关键,技术问题,高,建军
根据机载计算机电源的特点，简单介绍了回扫式变换的原理，并结合典型的回扫式控制器 LM2588，介绍了一种高效、可靠、对空间敏感小型机载计算机供电电源的设计。此外，对关键部件—— 高频脉冲变压器的设计和相关理论进行了一定的分析和探讨。
没有账户，需要注册
时序大模型是面向时间序列数据的基础大模型，以 Transformer 等架构为核心，通过在海量多领域时序数据上进行预训练，学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练，时序大模型具备强大的迁移能力，只需少量样本微调或零样本提示，即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中，它能够直接处理传感器、设备测点产生的海量时序信号，挖掘设备状态演变规律，支撑设备故障预警、工况识别与生产趋势预判，为工业智能落地提供底层模型能力。如：中服云的CServerAIR
2025年，全球人工智能市场规模达到3909亿美元，中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张，制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初，中国日均词元(Token)调用量为1000亿;至2025年底，跃升至100万亿;2026年3月，已突破140万亿，两年增长超千倍。这些数字背后，是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。
中服云能碳管理系统依托中服云工业物联网底座打造，聚焦工业企业能耗管控与碳资产管理需求。 系统整合水、电、气、热等多类能源数据，实现用能实时采集、集中监测、智能分析。 依托数字化手段精准核算碳排放总量，助力企业摸清碳排底数、合规完成台账管理。 通过节能诊断、能耗优化策略推送，有效降低生产能耗与运营成本。 全方位赋能企业绿色低碳转型，筑牢安全生产与节能减排双重发展防线。
中服设备健康管理系统依托中服云工业物联网架构搭建，面向工业全品类设备运维场景。 融合实时数据采集、状态监测、故障诊断核心能力，全天候掌握设备运行动态。 通过边缘计算与 AI 算法分析设备隐患，实现从被动维修向预测性维护升级。 有效降低设备故障率、减少停机损失，简化线下运维管理流程。 助力工厂实现设备数字化管控，保障产线高效、稳定、安全运行。
业界拥有多种专用迁移工具，并提供完善的迁移服务，助力用户快速将应用与数据从自建或其他云厂商数据中心迁移上云平台，实现业务的云化应用
面向人工智能技术浪潮带来的算网融合发展新机遇和新挑战，期望产业链各环节凝心聚力、携手并进，共同推动算力网络运载力质量不断提升，以网强算支撑产业应用创新，促进培育新质生产力，助力数字经济高质量发展!
AI-OTN产业落地。遵循试点先行、分步迭代思路开展现网实践。可优先开展小规模试点，围绕高收益场景验证技术能力，在试点基础上逐步完成设备改造、能力迭代，同时兼顾网络智能化效率与业务运行安全。设备厂商需加快AI-OTN设备形态迭代，完善轻量化网络AI模型，夯实产业规模商用基础。
物联网平台、工业物联网、数字孪生、设备全生命、生产管理、IOT、三维可视化、数字化大屏、数据采集、SIS、DCS、SCADA 工业互联网平台、工业物联网、能源管理、时序数据库、实时数据库、数据中台、智慧园区、智能楼宇、生产管理系统、机加生产管理系统、MES、设备资产管理系统、设备运维管理系统、设备监控、设备健康、MDC、DNC、倾斜摄影、数字化交付、组态工具
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南
