国产数据库迈上全栈服务新高度
在近日举行的“利剑出鞘，智启未来-2020达梦创新产品发布会”上，武汉达梦数据库股份有限公司表示，公司要成为国内知名的全栈数据产品与解决方案提供商，为客户提供覆盖数据全生命周期管理的产品和解决方案，并与生态伙伴一起协助政企客户实现数字化转型，打造数据安全底座。
专家表示，随着云计算、大数据和人工智能等新兴技术的不断发展，国产数据库厂商也将迈入全面支持信息化基础设施建设的发展新阶段。
在现场嘉宾的共同见证下，达梦公司正式发布四款自主研发的国产数据库新品：达梦数据共享集群（DMDSC）、达梦启云数据库（DMCDB）、梦图数据库（GDM）和达梦新一代分布式数据库。至此，达梦公司的产品覆盖了从数据交换、数据存储/管理、数据治理到分析服务等数据全生命周期的管理，为用户提供全栈数据产品和解决方案。
“四款新品的发布，致力成为全栈数据解决方案提供商，这是达梦公司追逐国产数据库的中国梦的第二次大跨步。”达梦公司总经理皮宇表示。
中国工程院院士方滨兴表示，无论是今年发布的四款新品还是去年发布的DM8，都表明达梦公司在技术方面已经走到非常领先的程度。
中国电子信息产业发展研究院副院长黄子河表示，数据库和操作系统一样都是核心的产业基础。国产数据库公司要坚守初心，坚持走自主研发的技术路线，助力我国网信产业实现更好的发展。同时，相关产业应加速走出国门，面向全球市场开展竞争和布局。
中国信息通信研究院云计算与大数据研究所所长何宝宏表示，随着大数据、云计算、区块链等新一代信息技术的蓬勃发展，数据库作为信息产业的基石，其掌握核心自主技术、保障底层数据安全的作用十分重要。
中国电子工业标准化技术协会信息技术应用创新工作委员会副秘书长王莉表示，达梦公司一直坚持核心技术自主，为产业的创新发展发挥了积极的引领作用。随着信息技术应用创新产品在多个行业的应用推进，各方技术创新力量正在集结，大家携手必能开启我国信息技术应用创新产业发展的新局面。
赛迪顾问副总裁宋宇在分享数据库市场最新发展报告时说，作为国内数据库市场的领导者之一，达梦公司2019年在国产数据库市场排名第一，引领着数据库产业的发展潮流。数据显示，2019年我国数据库市场规模达133.4亿元，同比增长13.4%。未来3年，数据库市场将保持15%左右的增长率。
达梦公司董事长冯裕才表示，经过多年积累，国内部分自主软硬件企业已经掌握核心关键技术，在重要科技领域成为领跑者。其中，国产数据库产业正在迎来跨越式发展新机遇，加快科技自立是一条切实可行的途径。
“当然，也要承认我们与国外顶尖的数据库厂商还有差距。”皮宇说，但是，达梦公司掌握了核心技术，深入了解用户需求，基于新的商业模式打造了引领数据领域的众多产品。达梦公司立志与生态合作伙伴共建、共享、共赢，共同推动国产基础软硬件产业生态良性发展。
据介绍，达梦公司要做全栈式的数据产品，产品要与开发商进行优化适配。线上部分，达梦公司与中国电信天翼云打造了达梦互联网适配中心，目前已经实现与10个行业约100个应用系统的适配和优化。线下部分，达梦公司在武汉、上海两地建成两个机房，购买了500多台服务器，涵盖飞腾、鲲鹏、龙芯、英特尔、AMD、申威等主流芯片，打造线下联合的适配中心，与生态伙伴一起进行深度适配优化。同时，达梦公司还在重点行业精耕细作，实现芯片、整机、操作系统、中间件、数据库和应用系统的深度适配优化。
达梦公司表示将与硬件厂家、软件厂商、云厂商等联合创新，共同打造新基建、网信安全的底座。（记者 张汉青）
别再用DDPG了！吉林大学最新无人机通信和网络GAI框架！
编辑：计算机视觉工坊添加小助理 ：dddvision，备注：3D高斯，拉你入群。文末附行业细分群
这篇文章系统地介绍了如何利用生成人工智能（GAI）优化无人机（UAV）的通信和网络。首先，文章介绍了GAI的基础知识和无人机的多种角色。然后，从通信、网络和安全三个角度讨论了GAI在无人机上的应用。随后，提出了一个新颖的GAI框架，用于无人机通信和网络，并进行了一个关于无人机启用的频谱图估计和传输速率优化的案例研究，以验证所提出的GAI框架的有效性。最后，展示了三个关键的未来方向，可以进一步改善无人机系统上的GAI。整体而言，这篇文章通过案例研究和未来方向展望，深入探讨了GAI在优化无人机通信和网络中的应用前景和潜力。
下面一起来阅读一下这项工作~
论文题目：Generative AI for Advanced UAV Networking
作者：Geng Sun, Wenwen Xie等
作者机构：吉林大学等
论文链接：https://arxiv.org/pdf/2404.10556.pdf
随着ChatGPT和Sora等生成式人工智能（GAI）取得的令人瞩目的成就，GAI越来越受到关注。GAI不仅局限于内容生成领域，还广泛应用于解决无线通信场景中的问题，因为它具有强大的学习和泛化能力。因此，本文讨论了GAI在改善无人机（UAV）通信和网络性能方面的关键应用。具体而言，我们首先回顾了GAI的关键技术和UAV网络的重要角色。然后，我们展示了GAI如何提高UAV系统的通信、网络和安全性能。随后，我们提出了一个新颖的GAI框架，用于先进的UAV网络，并基于该框架提出了一个UAV启用的频谱图估计和传输速率优化的案例研究，以验证GAI启用的UAV系统的有效性。最后，我们讨论了一些重要的未来方向。
频谱估计实验结果。第A部分展示了用户与GAI代理之间的交互，目的是构建扩散模型的目标函数、网络结构和损失函数。第B部分展示了扩散模型的生成性能。（a）真实的信噪比（SNR）图。（b）通过我们提出的SEMG生成SNR估计图的过程。（c）通过LSTM生成SNR估计图的过程。（d）测量值和估计值之间的差异。
图4。估计能量百分比对频谱估计差和传输速率的影响。
首先介绍了一些GAI的具体技术和应用。随后，演示了UAV的角色和特性。最后，我们阐述了DAI的局限性，并简要介绍了GAI在UAV通信和网络中的应用。
从通信、网络和安全的角度讨论了GAI解决UAV相关问题的潜力。
提出了一个利用GAI的UAV通信和网络的新框架。此外，我们构建了一个案例研究，以展示GAI在基于提出的框架进行增强UAV启用的频谱感知和通信的有效性。
段文本讨论了利用无人机（UAV）收集的数据进行频谱估计和创建频谱图的方法，以及如何利用生成对抗性推理（GAI）框架来解决这一问题。基本原理涉及以下几个方面：
频谱制图的重要性：文本指出频谱制图对于解决复杂任务（如资源分配和任务规划）至关重要，因为它提供了关于无线电频率景观的有用信息，如接收信号功率和信噪比。
UAV 数据收集的效率提升：传统上，技术人员需要携带测量设备的车辆在现场周围驾驶来收集建立无线电地图所需的测量数据。然而，现在可以使用搭载传感器的无人机来更高效地收集这些数据，节省时间和劳动成本。
GAI 在频谱估计中的应用：文本介绍了利用GAI框架进行频谱估计和创建频谱图的方法。通过GAI的强大推理能力，可以使用扩散模型根据无人机收集的数据推断目标区域的频谱，为后续执行更复杂任务奠定基础。
GAI 与用户的交互：GAI与用户之间的交互涉及用户向GAI提供任务要求的原始提示，然后采用提示工程来优化这些提示，以更好地将下游任务映射到GAI代理的预训练过程中解决的任务。用户可以通过与GAI的交互来设计扩散模型的网络结构和损失函数，而无需手动制定，从而提高了效率和准确性。
案例研究：文本提出了两个案例研究来验证提出的方法的有效性，其中一个案例是使用GAI进行无人机支持的频谱估计，另一个案例是使用GAI进行无人机支持的联合频谱估计和速率优化。这些案例研究展示了所提出方法在实际应用中的性能和优势。
案例一：无人机支持的频谱估计
场景描述：在这个场景中，无人机被派遣到目标区域的一部分来测量信噪比（SNR）数据。然后，采用扩散模型来优化无人机的测量轨迹，以更准确地预测整个目标区域的频谱图。性能分析：实验展示了用户与GAI代理之间的交互过程。用户设计了扩散模型的网络结构和损失函数，而无需翻阅大量文献手动设计模型。根据GAI设计的网络结构和损失函数，采用扩散模型生成了频谱估计。实验结果显示，与采用LSTM方法生成的频谱图相比，扩散模型在训练过程中逐渐理解了收集数据的含义，并更准确地推断出整个目标区域的SNR。因此，实验结果表明了扩散模型在无人机支持的频谱估计中的有效性。案例二：无人机支持的联合频谱估计和速率优化
场景描述：在这个场景中，无人机既充当频谱估计器又充当数据传输器。目标是使用扩散模型为无人机生成利用轨迹，以实现准确的频谱图和高传输速率。性能分析：实验分析了估计能量消耗百分比对频谱估计准确性和传输性能的影响。随着无人机用于频谱估计的能量增加，频谱估计图与真实图之间的差异逐渐减小。然而，由于无人机是能量受限的空中平台，为频谱估计分配更多能量意味着用于数据传输的能量更少。因此，当为频谱估计分配的能量增加时，传输速率曲线呈下降趋势。实验结果表明，所提出的基于GDM的方法优于DDPG，特别适用于资源受限的无人机系统。
在本节中，我们将介绍GAI在无人机通信和网络领域的三个未来方向。A. 无人机上的高能效GAI GAI的推理涉及复杂的计算过程，使其对资源密集型，特别是对于像无人机这样的能量受限平台。因此，将GAI的运行成本纳入无人机系统是一个关键方向，以确保资源的有效利用，实现最佳性能。B. 无人机上的安全GAI 无人机无线通信由于开放通道而面临各种攻击威胁。虽然波束成形可以抵御窃听攻击，但对抗攻击者的数据篡改却无能为力。因此，值得研究基于区块链的数据平台，以保护GAI的数据。平均传输速率 平均估计差异C. 无人机上的多模态处理 Sora的最新成功引发了视频生成技术的激增。值得注意的是，无人机广泛应用于高空视频捕捉应用。因此，利用GAI对无人机视频进行实时处理，产生特效或提高质量，成为一个引人注目的研究方向。
在本文中，我们系统地介绍了GAI如何优化无人机通信和网络。具体而言，我们首先介绍了GAI的基本原理和无人机的多种角色。然后，我们从通信、网络和安全三个角度讨论了GAI在无人机上的应用。随后，我们提出了一个新颖的GAI框架，用于无人机通信和网络，并进行了一个关于无人机启用的频谱图估计和传输速率优化的案例研究，以验证所提出的GAI框架的有效性。最后，展示了三个关键的未来方向，可以进一步改善无人机系统上的GAI。我们希望本文能激发研究人员在无线网络领域，如无人机网络中提出更多的GAI方法。
本文仅做学术分享，如有侵权，请联系删文。
计算机视觉工坊交流群
目前我们已经建立了3D视觉方向多个社群，包括2D计算机视觉 、大模型 、 工业3D视觉 、SLAM 、自动驾驶 、三维重建 、无人机 等方向，细分群包括：
2D计算机视觉： 图像分类/分割、目标/检测、医学影像、GAN、OCR、2D缺陷检测、遥感测绘、超分辨率、人脸检测、行为识别、模型量化剪枝、迁移学习、人体姿态估计等
大模型： NLP、CV、ASR、生成对抗大模型、强化学习大模型、对话大模型等
工业3D视觉： 相机标定、立体匹配、三维点云、结构光、机械臂抓取、缺陷检测、6D位姿估计、相位偏折术、Halcon、摄影测量、阵列相机、光度立体视觉等。
SLAM： 视觉SLAM、激光SLAM、语义SLAM、滤波算法、多传感器融合、多传感器标定、动态SLAM、MOT SLAM、NeRF SLAM、机器人导航等。
自动驾驶： 深度估计、Transformer、毫米波|激光雷达|视觉摄像头传感器、多传感器标定、多传感器融合、自动驾驶综合群等、3D目标检测、路径规划、轨迹预测、3D点云分割、模型部署、车道线检测、BEV感知、Occupancy、目标跟踪、端到端自动驾驶等。
三维重建： 3DGS、NeRF、多视图几何、OpenMVS、MVSNet、colmap、纹理贴图等
无人机： 四旋翼建模、无人机飞控等
除了这些，还有求职 、硬件选型 、视觉产品落地 、最新论文 、3D视觉最新产品 、3D视觉行业新闻 等交流群
添加小助理: dddvision，备注：研究方向+学校/公司+昵称 （如3D点云+清华+小草莓） , 拉你入群。
3D视觉学习知识星球
3DGS、NeRF、结构光、相位偏折术、机械臂抓取、点云实战、Open3D、缺陷检测、 BEV感知、Occupancy、Transformer、模型部署、3D目标检测、深度估计、多传感器标定、规划与控制、 无人机仿真、三维视觉C++、三维视觉python、dToF、相机标定、ROS2、机器人控制规划、 LeGo-LAOM、多模态融合SLAM、LOAM-SLAM、室内室外SLAM、VINS-Fusion、ORB-SLAM3、 MVSNet三维重建、colmap、线面结构光、硬件结构光扫描仪，无人机等 。
相关问答
扩展名为axd是什么文件的扩展名,请给介绍一下,多谢!–960化...
ANIWindows系统中的动画光标ANSANSI文本文件ANTSimAntForWindows中保存的游戏文件APIAdobeAcrobat使用的应用程序设计接口文件APRL...
扫一扫微信交流