黑龙江通信业圆满完成“省两会”通信保障任务

来源 :通信管理与技术 | 被引量 : 0次 | 上传用户:zl9881123
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
1月25日,中国人民政治协商会议黑龙江省第十二届委员会第五次会议胜利闭幕.26日,黑龙江省第十三届人民代表大会第六次会议胜利闭幕.黑龙江省通信管理局高度重视“省两会”通信保障工作,提前制定专项保障方案,安排专人对接省人大和省政协,及时掌握会议通信需求,调派专业保障人员及应急通信车辆保障会场周边通信畅通,局党组成员、副局长梁作君多次到保障现场检查指导保障准备情况.会议召开期间,哈尔滨市通信网络运行平稳,黑龙江信息通信行业圆满完成“省两会”通信保障工作.
其他文献
为提高监察审计信息访问授权控制能力和信息监测能力,提出基于RPA技术的监察审计信息访问授权控制模型.构建监察审计信息访问的大数据存储和信息挖掘模型,结合深度信息融合方法,优化控制模型授权过程和存储结构,提取关联特征量,通过自相关特征信息匹配方法进行监察审计信息访问控制的过程匹配和信息融合,结合RPA定量递归分析方法,实现监察审计信息访问的授权控制.仿真结果表明,采用该方法进行监察审计信息访问和授权控制的安全性较好,输出稳定性高,执行效率最高可达99.8%,有效提高了监察审计信息访问和存储的安全性.
近日,黑龙江省通信管理局党组书记、局长乔发民先后出席省内三家基础电信运营企业及铁塔公司2022年工作会并讲话.乔发民充分肯定了三家基础电信运营企业及铁塔公司2021年各项工作取得的成绩,通报一年来全省信息通信业工作开展情况及成效,介绍2022年全省信息通信业相关重点工作计划.
近日,工信部、教育部联合发布《2021年“5G+智慧教育”应用试点项目入围名单公示》,全国共计109个项目入围,其中黑龙江省有5个项目.rn2021年11月,工业和信息化部、教育部联合开展“5G+智慧教育”应用试点项目申报工作,涵盖5G+互动教学、5G+智能考试、5G+综合评价、5G+智慧校园、5G+区域教育管理、融合类等多个方向.黑龙江省通信管理局会同省教育厅、省工信厅推动工作落实,面向全省开展项目征集,共收到23个申报项目,通过省内评审择优推荐了9个项目.经工信部评审,由哈尔滨工业大学、哈尔滨工程大学
2月25日,黑龙江省通信管理局、省工信厅联合举办“5G+工业互联网 赋能龙江数字经济”线上宣传活动.省联通、省移动、省电信及省互联网协会参与承办.rn推动“5G+工业互联网”加快发展是党中央、国务院及省委、省政府的重大决策部署,是新一轮科技革命和产业变革的关键驱动力量,是壮大数字经济的新引擎.“5G+工业互联网”既是5G商用的重点领域,也是数字化转型的重要切入口,对服务龙江实体经济数字化转型,支撑经济高质量发展意义重大.
近日,牡佳高铁正式开通运行,同时实现了高铁沿线通信网络信号全覆盖,能够满足乘客顺畅通话及上网的需求.rn牡佳高铁是我省百大项目之一,工程全长371公里,是我国最东段的高寒高铁线路,也是黑龙江省内最长的省际高铁线路.该工程横跨牡丹江、鸡西、七台河、双鸭山、佳木斯5个地市,隧道长度为70公里,占总里程近20%,全线地处高寒地区,冻胀、雪害多发,网络覆盖工程建设难度极大.省委省政府领导高度关注牡佳高铁通信网络信号覆盖工程建设,为保证该项目顺利完成,省通信管理局统筹安排指定由省移动、省铁塔公司牵头,省联通、省电信
伴随数据中心的高速发展,快速增长的能耗成为数据中心产业发展中不容忽视的问题.“双碳”背景下,国家政策的引导和未来监管成为数据中心节能降耗的强劲驱动力.如何降低数据中心PUE,提升能效,已经成为行业的重点和难题.浸没式液冷技术采用液体冷却,在冷却效率上较传统冷却方式优势明显.本文围绕浸没式液冷技术展开研究,介绍了浸没式液冷技术提出的背景,相对传统冷却技术的优势,单相和双相浸没式液冷的技术要点,商业化进展以及浸没式液冷技术在未来应用中面临的问题与挑战.
新型基础设施建设为经济发展和产业升级带来了新机遇和新动能,本文总结了面向新基建的通信网络发展现状,分析了与新基建密切相关的5G移动网络、千兆光纤网络和卫星互联网发展趋势,为我国新基建背景下的通信网络发展提供有益参考.
2月23日,黑龙江省通信管理局举办2022年第一期“龙江通信大课堂”,组织全局干部职工及黑龙江省信息通信行业协会、黑龙江省互联网协会、黑龙江省通信学会观看《5G+工业互联网 赋能龙江数字经济》宣传活动视频.
2021年年末,我国最东端高铁牡佳高铁正式开通运营,全长371公里,从牡丹江出发2小时10分钟到达佳木斯.乘客在享受高铁速度的同时,也享受到了“高铁搭配4G/5G”的“高配套餐”,刷抖音、看新闻、开直播,信号稳定而流畅,车程有趣又不耽误工作.
语音识别一般只是将语音转化成文字,识别的结果是没有标点的一连串汉字,这不利于读者阅读,也会影响后续任务的处理.因此,引入语音端点检测解决上述问题.同时针对传统的语言模型N-gram存在忽略字词之间语义的相似性、训练时的参数过大等问题,提出一种以全序列卷积神经网络DFCNN作为声学模型,Transformer作为语言模型的语音识别系统.在Thchs30、ST-CMDS数据集上的实验表明,相较于DFCNN结合3-gram模型,该系统在最优模型上达到了12.8%的字符错误率,相对下降了6.9%.