20210606-招商证券-通信行业周周谈（2021年第23周）：鸿蒙打破设备孤岛，700M万物互联网络加速.pdf

复杂的技术经过业务的实践日益丰满完善，以合理的逻辑封装在平台内，提供开放的接口服务，支持城市搭建简约智能的应用。 打散技术、数据、流程、业务的复杂性，通用性提纯封装于平台，以原子能力提供给城市服务；基于统一的AI中枢对原子化服务进行管理，为需要快速响应的业务需求提供持续服务。 传统的智慧城市建设是以部门的垂直应用为导向，每个应用独立建立自己的平台。例如政务应用建设大数据平台，国土方面的应用建设GIS平台等等。这种模式下建设的智慧城市往往存在多个平台，大数据平台、GIS平台、视频平台等各个平台之间的数据不能共享，导致各个应用系统变成了一个个的信息孤岛。一方面重复建设，导致成本增加，另一方面无法完成智慧城市跨部门、跨组织、跨地域、跨业务、跨系统的数据共享和业务协同，智慧城市建设前后带来的变化并不显著，效果并不明显。 基于新底座的智慧城市建设，将各个部门应用公用的平台能力进行集约化建设，实现共建共享。新底座实现对大数据平台、GIS平台、视频平台、物联网平台、集成通信平台、AI平台的统筹建设，并通过使能平台对各个垂直应用进行能力开放和赋能开发，通过Welink连接组织、个人、企业和应用，从而有效地降低每个应用的建设成本，缩短建设周期，提高交付质量和运行效率。真正实现业务融合、数据融合和技术融合。数字底座基于鲲鹏处理器、昇腾处理器等自主研发的国产化芯片，实现安全可控、高性能计算，同时支持智慧城市建设中发展本地生态、助力本地产业优化升级。

泰安市“智慧教育”系统是综合性、个性化的智慧教育平台，起到服务课堂教学，方便教育管理、创新教学模式，提高教学效果等作用。利用云计算和虚拟化技术提供教育云综合解决方案，本次建设包括：教育云统一信息门户、基础环境搭建、数字校园管理系统、数字化环境下教学系统、人人通空间、资源等系统。将数字化校园管理、数字化学习环境、教育网应用、公共应用服务、数据、资源通过教育云进行无缝的整合，完全打破用户孤岛、应用孤岛、信息孤岛，使得区域教育信息化能够更高效、更低成本、更可扩展并且更安全。

为什么需要数据管治 数据治理定义 数据治理如何落地 数据治理背景:模型规范重要性 快手模型规范治理实践 快手模型规范治理实践:模型规范治理思路 快手模型规范治理实践:模型分层规范 快手模型规范治理实践:指标定义规范 快手模型规范治理实践:数据孤岛治理 快手模型规范治理实践:指标一致性治理 快手模型规范治理实践:公共模型稳定性治理 快手模型规范治理实践:模型产出时效性治理 快手数据治理体系思考:整体框架 手数据治理体系思考:度量体系

自适应相位漂移孤岛检测法及SIMULINK仿真验证

针对正反馈主动移频法存在检测速度不够快，对输出电流质量影响较大的问题，提出了一种自适应的正反馈主动移频检测方法。该方法采用新的初始截断系数，根据公共点的频率化率实时地调整正反馈系数，缩短了检测时间，减小了检测盲区。同时考虑了电网的波动，避免引入的频率差对输出电流质量的影响。通过相位理论分析和MATLAB/Simulink仿真，验证了该方法的有效性及优越性。

在树人景瑞校园中，依托Beone学生行为感知系统、教师教育管理平台、学校硬件管理平台等物联网平台的支撑，教师备课摆脱了时间、空间和个人知识孤岛的局限性，能够基于历年教学资料、同行教学状态和学生学习反馈的大数据有针对性地准备教案;学生摆脱了传统的课本学习和统一课堂灌输的被动学习模式，可以在知识的海洋中自由翱翔并能够得到基于大数据分析的适时、贴切的个性化指导;师生交流可以随时随地随意，声音、视频、文字、图像等各种交流工具随需而动，交流过程还可自动记录并根据需要回放复习;教学评价不再是纯粹的主观打分，而是基于师生教学互动和学生学习过程的大数据开展的多维、动态、全面、智能的教学评价，并指导学校按照客观教育规律不断改善教学内容、方法、手段和模式;因材施教和个性化人才培养模式成为主流，学生的未来发展、兴趣引导与人生指导也将综合其个性特点与社会发展而更加科学、合理。

智慧校园是以网络为基础，利用先进的信息化手段和工具将教学、科研、管理和校园生活进行充分融合。在传统校园的基础上构建一个数字空间，以扩展现实校园的时间和空间维度，从而提升传统校园的效率，扩展传统校园的功能，实现教育过程的全面信息化，达到提高教育管理水平和效率的目的。 　　随着我国教育改革的不断深化、教育领域信息化取得了长足的进步，学校都购买或研发了一些教育信息化应用系统。但大多为“按需、逐个、独立”的建设，另外由于独立进行数字校园建设，导致学校间的资源无法进行共享，最终形成了以“数据孤岛”、“应用孤岛”、“硬件孤岛”、“资源孤岛”组成的“孤岛架构”。

微电网孤岛运行并网状态PLECS仿真

人工智能进入新时代，数据孤岛与隐私保护成为阻碍人工智能发展的两大障碍，联邦学习的提出正好可以解决这两个问题。