美团外卖系统是大型的O2O电商交易平台，一旦出现故障，会耗费大量的研发人力，且人力排查具有明显的局限性，为节约运维时间，提升运维效率，急需专业的运维团队专注于运维工具的开发。文章介绍美团外卖自动化运维系统，分析该系统如何从业务监控指标出发，帮助开发人员检测出严重异常并进行相应的故障诊断，引导开发人员快速解决问题，有效提升人员效率。

文章研究目的是在电信行业的用户流失预警模型中运用机器学习相关技术，提高预测准确度，节约成本。首先介绍机器学习分类算法基础理论，接着给出算法用于用户流失预警模型的架构及预测结果对比，给出用户流失预警模型关于用户流失得分、用户流失的关键指标和用户是否离网的标签。该模型可用于预测隔月用户是否流失，为客户挽留活动预留了足够的时间，并提供了大量有价值的信息来帮助市场营销人员制定可行的客户挽留方案，具有广泛的行业应用前景。

文章通过描述AI发展的三个阶段，将AI引入到通信运维领域。首先介绍智能运维如何采取自我学习的方式替代了早期基于规则的运维，然后将业界对于智能运维的主要场景问题进行总结，并提出智能运维的四个阶段和相应场景。紧接着对当前国际常用的智能运维架构进行说明，并就当前智能运维中的常见技术问题和算法进行研究总结。最后说明智能运维未来的发展趋势和面临的机会。

文章针对电信大视频智能运维系统架构、关键技术和典型应用场景进行分析，结合大视频质差根因分析和硬盘故障预判的具体实例，表明基于机器学习的智能运维技术明显提升了大视频运维系统的效率，具有较高的市场价值。文章认为基于机器学习的智能运维技术必然成为运维系统的发展方向。

文章基于高斯分布提出一种信息论的启发式合成方法:根据给定的联合密度，研究产生随机向量的机制，从而引出(隐)高斯树结构；依赖于已知的树结构，构造分层的连续的合成方案，达到使用足够数量的公共随机变量来合成希望密度的研究目的。算法中所使用的公共随机源由树顶层的隐变量、独立可加性高斯噪声、以及表达变量之间模糊性的伯努利符号三部分组成。文章所提出的方法不但可以揭示数据隐含的内部联系，而且适用于在机器学习领域中产生仿真数据。

集成学习是一类非常重要且实用的方法，以简单高效著称的随机森林算法是集成学习算法的代表之一，它集成众多决策树并以投票的方式输出结果，在许多应用领域取得了巨大的成功。文章介绍决策树和随机森林算法，总结随机森林算法在性能改进、理论性质方面的研究进展，及其和深度学习算法之间的区别与联系。

随着云计算产业与信息系统的快速发展，业务应用对于云计算提供的内存资源的需求愈加提升，传统的内存超分技术已经难以在平衡成本的同时，提供满足业务需求的内存资源。文章基于这一需求，介绍Intel Memory Drive Technology(IMDT)扩展内存技术，阐述KVM虚拟化场景的理论依据，并在联通沃云云计算场景中应用测试，结果证明此方案在平衡成本的同时，能够满足业务需求的性能指标。

文章旨在梳理当前人工智能主流算法脉络，简析其原理及应用场景，帮助人们更加理性深入地对人工智能技术有一个比较全面的理解和思考。文章在对人工智能技术背后数学理论及实际应用的分析基础上，对机器学习算法主要任务、深度学习发展动因、深度学习算法应用进行梳理和分析，提取出人工智能算法主要能够完成的三类任务，并在技术层面针对人工智能下一步发展做出了分析和展望。

知识图谱补全算法能让知识图谱变得更加完整，目前是人工智能领域的一个研究热点。为了更好地给出补全算法综述，文章按照能否处理新实体或者新关系，将知识图谱补全算法分成两类:静态知识图谱补全算法以及动态知识图谱补全算法。前者仅能处理实体以及关系都是固定的场景，扩展性较差。后者可以处理含有新实体或者新关系的场景，能够构造动态的知识图谱，具有更好的现实意义。文章主要结合相关工作对动态知识图谱补全算法进行系统性的总结，发现动态知识图谱算法的研究热度逐渐增加，如何更好更快地构建动态知识图谱是一个较好的研究点。

文章基于决策系统的各类信息，引入了样本和条件样本的概念，以此作为决策判定的准备，形成以决策系统为支撑的研究环境。在此基础上，通过条件样本和决策系统中样本相匹配的讨论，表明针对条件样本实施决策判定的含义，产生了以决策系统为参照模型的决策问题判定方法。进而，经过对决策系统的分解处理，把针对条件样本的决策判定等价转化到子系统中，使决策结论确定或不确定性的判定得到清晰简化的处理，展示复杂问题分解化简的应对过程。