基于机器学习的5G用户智能投诉处理解决方案

5G网络的复杂性,业务的多样性,用户的规模性使得5G用户投诉处理成为巨大挑战.提出了基于机器学习的5G用户智能投诉处理方案,该方案依托于用户O域与B域数据互通关联的端到端大数据系统,基于用户画像的标签体系,结合历史投诉单的内容,地点以及历史问题的定位结果,利用机器学习分类算法反复迭代得出可靠稳定的决策模型,最终实现5G用户投诉问题的自动,智能定界和定位.

基于机器学习分类算法的借贷风险评估解决方案

随着互联网,大数据的迅猛发展,社会中对于借贷业务的需求不断上升,由此可见我国借贷市场的巨大潜力,借贷风险评估成为了金融行业的热门课题.目前我国对信用风险评估已有一定的研究,但是个人征信系统依旧处于初级阶段,面对借贷客户的各种信息数据质量参差不齐,建立行之有效的评估模型仍处于探索阶段.研究借贷数据的重要特征,选择合适的借贷风险评估模型,在未来一段时间内仍然是降低银行和金融机构风险的关键所在. 本文选择决策树模型,随机森林模型,AdaBoost模型,GBDT梯度提升树模型这四种机器学习分类算法对借贷风险进行评估,并通过各模型的预测精确度和AUC值进行结果的比较.首先进行数据处理和基础性分析;然后划分数据集并建立模型,计算预测精确度和AUC值;最后将四种模型的预测效果进行比较.结果表明,基于借贷风险评估这一具体场景,无论是从模型预测精确度的角度还是从AUC值的角度来说,GBDT梯度提升树模型的结果都是最优的,训练集预测精度可达0.9343,测试集预测精度可达0.8972,AUC值也达到了0.9427,说明其预测效果很好且泛化能力较强.经研究,本文所提出的借贷风险评估解决方案为:强化贷前调查评估,约定严密的风险防范措施,搭建个人信用风险管理数据库.相信在以后随着数据库的完善,数据信息更加统一,更加标准时,我们所建立的模型会有更好的预测效果,真正做到对风险进行评估.

NI与NanoSemi合作开展先进的5G测试 NanoSemi开发的基于机器学习的全新线性化软件完善了NI RF功率放大器测试解决方案

新闻发布-2018年6月21日-NI(美国国家仪器公司,National Instruments,简称NI),以软件为中心的平台供应商,助力于加速自动化测试和自动化测量系统的开发进程和性能提升,今日宣布与NanoSemi公司合作开展先进的5G测试。对于即将部署的5G网络以及具有挑战性的技术规范,都要求全新的技术来验证和优化射频性能。5G射频功率放大器(PA)和前端模块(FEM)技术的设计人员通常需要在线性度、输出功率和效率之间进行取舍。为了解决5G对更大带宽和更高效率的需求,工程师需要采用日益复杂的线性化技术。

一个基于机器学习的小区停车位智能共享解决方案

在居民小区停车位总体紧张的情况下,为了临时来访车辆能与其他业主的车位形成便捷的租用,最大化共享闲置车位,本方案设计了一个基于智能推荐算法的小区停车位共享解决方案.该方案采用Python语言编制.当有预约车位需求时,首先根据车主自主挂出的共享车位自动匹配;同时,基于对业主车辆历史出入信息,通过智能算法预测出需求时间段最有可能空闲的车位列表,并推荐给供需双方,经协商确认后成交.与现有的共享私家车位管理系统相比,本方案将自动匹配与基于算法的智能推荐相结合,提高了成功率和便捷性.经过拟合测试,推荐成功率达到预期,具有应用推广价值.

ST嵌入式AI解决方案增加简化机器学习开发的高级功能

为了扩大开发工具的功能,加快嵌入式人工智能(AI)和机器学习(ML)开发项目,意法半导体发布了NanoEdge AI Studio和STM32Cube.AI.的升级版本.这两个开发工具有助于把人工智能和机器学习迁移到应用边缘设备.迁移到网络边缘后,人工智能和机器学习的优势非常突出,包括原生隐私保护,确定性实时响应,更高可靠性和更低功耗.NanoEdge AI Studio是一个自动化的机器学习开发工具,适合不需要开发神经网络的应用项目.该工具需要与STM32微控制器(MCU)和内置意法半导体独有的嵌入式智能传感器处理单元(ISPU)的MEMS传感器配合使用.

消防调度指挥工作发展方向探索——基于机器学习技术的消防调度指挥解决方案研究

随着消防基础信息化建设不断深入,消防调度指挥体系在信息化建设和应用方面取得了多项成果,已具备将大数据,机器学习引入调度指挥体系建设的条件.本文以调度指挥为研究目标,对调度方式沿革进行简要叙述,对制约调度指挥体系建设发展的主要困难进行分析.在此基础上,依据历史数据,运用神经网络算法进行建模分析,提出一种基于机器学习技术的调度指挥方案——智能调度,并就如何在大数据背景下提升消防指挥效能进行论述.

以机器学习平台为基石打造反欺诈业务360°防护罩——兴业银行风控决策一体化平台解决方案

随着支付业务和技术的不断发展,交易欺诈的屡屡发生逐步成为困扰金融,电商等企业的主要问题.Kroll行业调查显示,全球有超过84%的企业遭受过欺诈问题的困扰.而在金融行业,这一数字是91%,在所有遭到欺诈的行业中排名榜首.《中国银行卡行业发展蓝皮书》显示,交易欺诈(伪卡交易,电信诈骗,互联网欺诈)成为了造成国内银行业过去几年损失最严重的前三大欺诈手段.国外研究机构统计结果显示,外部欺诈风险每年导致全球银行损失金额达736亿美元,境内银行每年欺诈风险损失也达上百亿元人民币.