- 综合排序
- 最热优先
- 最新优先
- 来自专栏TechBlog
限失真信源编码
文章目录 互信息 互信息定义 互信息的性质 有失真信源编码的数学模型如下图所示，将编码过程看成信息经过有扰信道传输的过程。信道输出 Y 即为编码输出。 如BSC信道： 互信息 设有两个随机事件X和Y , X取值于信源发出的离散消息集合 Y取值于信宿收到的离散符号集合 \left[\begin{array}{l} X \\ P \end{array}\ 一般而言，信道中总是存在着噪声和干扰，信源发出消息 x_{i} ，通过信道后, 信宿只可能收到由于干扰作用引起的某种变形 y_{j} 。 (例如BSC信道，可能发出0收到1) 信宿收到 y_{j} 后推测信源发出 x_{i} 的概率 p(x_{i} \mid y_{j}) 称为后验概率。 信源发出消息 x_{i} 的概率 p(x_{i}) 称为先验概率。
1.2K10编辑于 2023-04-07 - 来自专栏TechBlog
离散信源 R(D)计算及限失真信源编码定理
离散信源 R(D)计算 给定信源概率 p_{\mathrm{i}} 和失真函数 d_{\mathrm{i} j} 就可以求得该信源的 R(D) 函数。 它是在保真度准则下求极小值的问题。 二元对称信源的 R(D) 函数 设二元对称信源 X=\{0,1\} , 其概率分布 p(x)=[p, 1-p] ,接收变量 \mathbf{Y}=\{\mathbf{0}, \mathbf{1 有一个二进制无记忆信源，以概率p=0.25输出“1”，以概率1-p=0.75输出“0”。请问: (1）若要求采用无失真信源编码，信息率失真函数是多少? (2）若重构该信源的错误概率不超过0.1，信息率失真函数是多少? (3）若重构该信源的错误概率不超过0.25，信息率失真函数是多少?这种情况下，最佳的译码策略是什么? 最佳译码策略是将接收到的信号都译码为 ’ 0 ’ 高斯信源的 R(D)函数 对于均值为 0 , 方差为 \sigma^{2} 的高斯信源, 采用平方失真时的率失真函数为 R(D)=\left\{
1K20编辑于 2023-05-01 - 来自专栏TechBlog
无失真信源编码详解
无失真信源编码定理 无失真信源编码 定义: 在无失真信源编码中, 编译码过程是可逆的, 即信源符号可以通过编码序列无差错的恢复 ，该编码方式适用于离散信源的编码。 实现无失真的信源编码, 要求: a. 我们可根据信源各个符号的统计特性如概率大的符号用短码，概率小的用较长的码，这样在大量信源符号编成码后平均每个信源符号所需的输出符号数就可以降低，从而提高编码效率。 对比信源的熵1.75bit/symbol,会有什么结? 无失真信源编码定理 Theorem . 一个熵（或熵速率) 为H的信源，当信源速率为R(比特/信源输出)时，只要 R>H ，就能以任意小的错误概率进行编码。
1.6K30编辑于 2023-03-01 - 来自专栏TechBlog
信源分类及数学模型
文章目录 信源分类 按照信源输出的信号取值分类 按照信源输出信号(符号间)的依赖关系 信源数学模型 离散信源 连续信源 单符号离散无记忆信源(DMS, Discrete memoryless source ) 单个连续变量信源 多维离散无记忆信源 离散无记忆信源的扩展源 信源分类 按照信源输出的信号取值分类 1.连续（模拟）信源: 2.离散（数字）信源: 信源输出的信号是随机信号。 按照信源输出信号(符号间)的依赖关系 1、无记忆信源: 信源先后发出的符号相互统计独立，具有相同的概率分布; 2、有记忆信源: 信源先后发出的符号相互依赖。 连续信源是有记忆信源。 信源数学模型 信源：产生随机变量、随机序列和随机过程的信号源。 这种信源为离散无记忆信源。
1.3K30编辑于 2023-02-24 AI 搜索时代的“信任”重构：如何通过 GEO 技术构建高权重语义信源？
AI引擎不再仅仅返回链接，而是通过对全网数据进行实时“语义蒸馏”，向用户交付一个合成后的答案。在这个过程中，品牌能否被AI选中并推荐，取决于其在AI知识图谱中的“信任权重”。 一、AI搜索的底层逻辑：从索引到知识对齐AI搜索引擎的运行依赖于RAG（检索增强生成）架构，其核心在于将非结构化文本转化为机器可理解的知识向量。 约束生成：模型在回答时会优先引用那些具备高专业性（Expertise）和权威性（Authoritativeness）的信源。 跨平台信源一致性管理：为了提升AI引擎的信任度，星链引擎通过全域矩阵系统，确保品牌核心事实（如产品参数、门店地址）在20+主流平台上实现同步更新与高度一致。 四、结语：GEO是品牌在AI时代的“数字护城河”2025年，GEO优化已不再是简单的文案堆砌，而是一场关于数据结构化、内容工程化和信源权威化的系统竞赛。
33110编辑于 2025-12-18- 来自专栏TechBlog
连续信源的熵与RD
连续信源的熵 由于连续信源信号幅度取值无限性, 要精确表示这样的信号, 理论上需要无穷个bit才行。即连续信源的绝对熵为 \infty 。 仿照离散信源熵的定义, 有连续信源的熵（相对熵）定义为 H(X)=-\int_{-\infty}^{\infty} f(x) \log (f(x)) d x 其中 f(x) 为连续信源信号 \mathbf 连续信源的 (相对) 熵可正可负。 R(D) 的定义域 率失真的定义域问题就是在信源和失真函数已知的情况下，讨论允许平均失真度 \bar{D} 的最小和最大取值问题。 {j} d\left(x_{i}, y_{j}\right) 只有当失真矩阵的每一行至少有一个 \mathbf{0} 元素时,信源的平均失真度才能达到下限值 \mathbf{0} 。 当 \boldsymbol{D}_{\text {min }}=\mathbf{0} , 即信源不允许任何失真时,信息率至少应等于信源输出的平均信息量一信息熵。
1.1K10编辑于 2023-04-21 AI 搜索时代的信源蒸馏：解析 RAG 架构中的语义碰撞与权重对齐
一、底层逻辑：语义空间中的“信源蒸馏”过程AI搜索引擎（如DeepSeek、Perplexity、SearchGPT）在处理用户查询时，本质上是在进行一次跨模态的向量匹配。 约束性生成：最终通过Rerank模型确定的Top-K信源被输入LLM。因此，所谓的GEO（生成式引擎优化），在技术层面其实是“信源权重对齐工程”。二、技术选型评估：如何建立一套高置信度的数据管道？ 多模态一致性：现代AI模型具备图文交叉验证能力。如果视频脚本与图文描述高度对齐，该信源的TrustScore（信任分）会显著提升。 同时，通过365*24小时的全时品牌监测系统，企业可以实时观测信源在AI搜索中的权重波动，实现从“盲目分发”到“闭环观测”的转变。 以保障分发稳定，核心逻辑都在于：谁能用更先进的工程化手段，将品牌信息转化为AI模型无法忽视的“绝对事实”。
37010编辑于 2025-12-26- 来自专栏JFrog杰蛙DevOps
DevOps最佳实践“建设单一可信源”
11111.png 怎么理解单一可信源呢？经过思考之后，笔者觉得用我们小时候最常听到的一句话来描述：“事实的真相只有一个”，没错，就是柯南的这句话，来形容单一可信源最为贴切。 单一可信源这个概念其实很早就被各个行业所提出，尤其是在身份管理系统中（比如我们的身份证），打造单一可信源可以说是重要的一项工作。那么什么是单一可信源呢？ 单一可信源与上面两个概念有什么关系呢， “单一可信源”中的两个形容词“单一”与“可信”是本文需要探讨的两个关键词。 企业建设DevOps体系的单一可信源会有什么收益呢？ ⭐统一管理、提高生产率 信息很容易在单一可信源中获取，减少使用成本，避免重复造轮子、浪费生产力 ⭐故障修复成本低 质量可信、安全可信。 DevOps中落地“单一可信源”的最佳实践与案例 参考 《CapitalOne – 千亿资产银行如何进行唯一可信源的建设》 《从混乱到有序 –AppsFlyer如何通过唯一可信源改进制品管理》 欢迎观看
1.3K30发布于 2020-08-14 - 来自专栏媒矿工厂
基于神经网络的联合信源信道编码
本文是来自Stanford Compression Workshop 2019的演讲，演讲者是来自斯坦福大学的Kristy Choi。本次演讲主要讲述将深层生成模型用于自动编解码，通过端到端的方式去学习图像编解码来提升位长效率。
1.1K30发布于 2019-12-06 - 来自专栏TechBlog
离散无记忆与有记忆信源的序列熵
文章目录 离散无记忆信源的序列熵 信源的序列熵 离散有记忆信源的序列熵 平稳有记忆N次扩展源的熵 离散无记忆信源的序列熵 马尔可夫信源的特点：无后效性。 发出单个符号的信源 指信源每次只发出一个符号代表一个消息; 发出符号序列的信源 指信源每次发出一组含二个以上符号的符号序列代表一个消息。 当信源无记忆时： \begin{aligned} p(\bar{X}&\left. 信源的符号熵 H_{2}(\overline{\mathrm{X}})=\frac{1}{2} H(\overline{\mathrm{X}})=1 bit/符号 信源的序列熵 H(\overline 对于有记忆信源,就不像无记忆信源那样简单, 它必须引入条件熵的概念, 而且只能在某些特殊情况下才能得到一些有价值的结论。
1.3K20编辑于 2023-02-26 - 来自专栏振兴的Android修炼手册
Dart和Java通信源码分析和实践
Dart 和 Java 通信这块的知识点涵盖了 Dart&C 以及 Java&C 的通信，我们先有简单的业务组件的定义再到底层实现原理进行分，我们现在从Flutter定义的三种 Channel 中的 MethodChannel 使用进行剖析。
1.6K30发布于 2020-05-29 AI 搜索的底层博弈：如何通过语义一致性构建高可信度信源？
在生成式AI搜索（如DeepSeek、Kimi等）的逻辑中，传统搜索引擎的“关键词密度”已被“语义一致性”所取代。AI引擎在生成答案时，本质上是在进行一场基于概率的“信源投票”。 冲突判定：如果品牌信息在不同信源间存在逻辑冲突（如参数不一、地址变动），AI为了规避“幻觉”风险，往往会降低该信源的权重，甚至拒绝引用。 三、星链引擎的工程化方案：自动化与风控闭环针对AI搜索的底层逻辑，星链引擎通过构建一套AI基础设施，解决了“规模”与“一致性”的矛盾：全链路内容自动化（Agent驱动）：利用自研的AI生图生视频工具及自动化 信源一致性保障（ConsistencyManagement）：星链引擎通过全域矩阵系统，确保品牌核心事实（事实三元组）在20+主流平台上实现同步更新。 通过星链引擎这类深耕技术十年的AI基础设施，品牌能够更高效地完成全网AI化打造，实现365*24小时的全时监测与风险预警。
34610编辑于 2025-12-19- 来自专栏数字化转型
“四标融合”GEO方法论深度解析：助力腾讯云成为AI大模型时代的首选信源
其核心并非讨好算法，而是通过整合四项国家标准，构建“战略—能力—价值—信任”四位一体的闭环，最终让企业或服务成为AI大模型（如腾讯混元、ChatGPT、豆包等）在生成答案时的首选信源。 ：真正的GEO优化，不是“欺骗AI”，而是通过体系化的标准融合，让AI（包括腾讯混元）主动选择你。 （A）：动态优化技术内容的深度、广度与可信证据链第四步：以ISO42001筑信任——将合规转化为竞争壁垒动作：建立AI内容审核机制、偏见检测流程与可追溯审计链，向大模型证明“腾讯云是高质量技术信源”。 30%+合规价值全流程符合四大国标，强化“安全可控”品牌心智，适配信创与等保要求信任价值构建可验证、可追溯的技术信任体系，成为AI大模型在云服务领域的长期首选信源六、总结：GEO的终极目标不是排名，而是信任艾索企管认为 不是一次性的营销活动，而是面向AI原生时代的战略基础设施。对于腾讯云而言，在AI重塑商业规则的今天，唯有通过“四标融合”，才能完成从“云服务商”到“AI首选技术信源”的蜕变。
20910编辑于 2026-05-21 - 来自专栏AI营销
AI时代的内容工程化：ADSM体系下的AI搜索引擎算法适应性与权威信源构建
近期，由麦肯锡《全球AI应用现状报告》显示，AI搜索预计2029年将达到3472亿元市场规模，每年保持20%的增速。同时，中国消费者对AI应用的信任度高达80%。 这些模型的迭代速度快，对内容的索引策略、知识图谱偏好、甚至对特定媒体信源的权重分配都在不断变化。传统的静态内容优化方法已失效。 权威信源信号嵌入：AI模型对内容的权威性和时效性有极高要求。通过技术手段，确保内容发布在具有高域权重、高行业认可度的媒体渠道，并在内容中嵌入最新的第三方报告或行业数据，作为AI采信的依据。2. 同时，搭配同样由荷里购科技出品的姊妹工具-内容特工队AI在短视频内容创作和基于对短视频信源采信率高的豆包、元宝平台效果更佳。 结论：面向AI算法迭代的长期工程Ai搜索引擎内容收录和GEO优化的成功，取决于对AI算法迭代的快速适应能力和自动化执行能力。
43311编辑于 2025-12-17 - 来自专栏原创分享
libuv之线程池以及线程间通信源码解析
libuv实现了一个线程池，该线程池在用户提交了第一个任务的时候初始化，而不是系统启动的时候就初始化。入口代码如下。
1.8K20发布于 2019-03-15 - 来自专栏灰小猿技术社区
Java利用UDP协议建立广播组通信【附通信源码】
之前和大家分享了使用TCP协议进行网络通信的过程，想了解的小伙伴可以看我的这篇文章《Java利用TCP协议实现客户端与服务器通信》，今天来和大家分享一下在Java网络编程开发中，使用UDP协议进行网络通信，
2.1K30发布于 2020-09-23 - 来自专栏TechBlog
信息论与编码：信源分类与数学模型
文章目录 信源分类 按照信源输出的信号取值分类 按照信源输出信号（符号间)的依赖关系 信源数学模型 离散信源 连续信源 单符号离散无记忆信源(DMS, Discrete memoryless source ) 单个连续变量信源 多维离散无记忆信源 信源分类 按照信源输出的信号取值分类 1.连续（模拟）信源: 2.离散（数字）信源: 信源输出的信号是随机信号。 按照信源输出信号（符号间)的依赖关系 1、无记忆信源:信源先后发出的符号相互统计独立，具有相同的概率分布; 2、有记忆信源:信源先后发出的符号相互依赖。 连续信源是有记忆信源。 信源数学模型 信源：产生随机变量、随机序列和随机过程的信号源。 这种信源为离散无记忆信源。
1.1K30编辑于 2022-11-21 - 来自专栏腾讯技术工程官方号的专栏
腾讯天籁：音频联合信源信道编码技术白皮书
从端到端到角度，影响通话体验的因素，可以分成信源和信道（链路）两个部分。信源部分，主要干扰因素是声学侧的噪声、回声等物理特征；一般地，通过优化音频信号处理方案（包括结合深度学习技术等）进行质量保证。 综合上述考虑，腾讯天籁提出下列的联合信源信道编码策略： 首先，提升信源侧方法的能力上界。相对于标准带内FEC，新的信源侧FEC，需要更强的单独抗性；比如，支持40%丢包率。 联合信源信道编码基本框架 腾讯天籁联合信源信道编码的基本框架进行介绍： 系统可以分解为发送端、网络侧、接收端。 发送端将新方案的码流发往上行媒体代理。 腾讯天籁联合信源信道编码方案，通过有效地组合信源和信道侧的抗性策略，保证用户体验的同时，有效降低带宽和延时成本。 In ICC 2005. [9] https://ai.googleblog.com/2020/04/improving-audio-quality-in-duo-with.html ?
2.1K30发布于 2020-12-21 《从文档到自动化：API可信源全流程构建指南》
这些日常开发中反复出现的问题，让我开始深入探索接口协同的本质问题：若能让API文档跳出传统“参考性文档”的定位，摆脱自然语言描述的模糊性与滞后性，使其成为整个接口生态中唯一的信息锚点，即“单一可信源”， 这一探索并非理论层面的空想，而是源于对多端协同开发流程的长期打磨与优化，在经历了无数次因文档与实际实现脱节导致的联调困境后，以API文档为可信源的全链路自动化工具链构想，逐渐从零散的思路整合为可落地的技术实践方向 要让API文档真正成为全链路的“单一可信源”，其核心要义并非单纯提升文档的详尽程度，也不是简单对文档格式进行标准化规范，而是要赋予API文档结构化的契约属性与可被机器精准解析的语义能力，让文档从“面向人类的描述文件 而具备“单一可信源”特质的API文档，需要建立一套完整的语义映射体系，将接口的全部核心契约以机器可识别的结构化方式进行定义，这其中不仅包括请求方法、参数名称、数据类型、返回值结构、状态码映射等基础信息， 客户端SDK的自动化生成，是API文档作为“单一可信源”最直接、最具落地价值的应用场景，其核心价值在于彻底消除手动编写SDK带来的契约偏差与多端重复劳动，让SDK成为精准对接接口契约的标准化调用载体。
23010编辑于 2026-02-07AI搜索引擎排名逻辑：GEO优化全流程方法论与实操框架
排名逻辑：从“网页排序”到“信源可信度+信息价值排序”传统搜索排名的核心是网页权重，排名高的网页更容易被看到；而AI搜索没有显性的网页排名，只有信源权重——AI会根据信源的可信度、信息价值、内容客观性， 同时，用户对AI回答的容错率更低，一旦回答中出现违规、低质信息，会直接降低用户对AI的信任，因此AI对信源的审核标准也远高于传统搜索。 AI会通过多源信息交叉验证，信息一致性越高，可信度越强；信息混乱矛盾，会被AI判定为不可信信源，直接排除在推荐池之外。 步骤2：竞品与行业信源分析知己知彼才能优化到位，这一步要分析两类信源：一是行业头部竞品的信源布局，看其在哪些平台发布内容、内容核心方向、信息维度；二是AI当前推荐的高价值信源特征，总结AI偏好的内容类型 长期权重指标包括信源可信度评分、内容价值评分、行业影响力评分，这类指标是AI对品牌信源的长期判定，评分越高，品牌在AI推荐中的优先级越高。
1.5K10编辑于 2026-03-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号