AI的下一个五年计划

类脑智能，被誉为人工智能的终极目标。人工智能在过去十年中基本实现了感知能力,但却无法提高认知能力（推理、可解释等）。因此，从认知心理学、脑科学等领域汲取灵感，推动感知智能向认知智能演进是人工智能下个十年的重点

2021-04-23
阅读331
下载0
14页
pdf

AI的“色差”与“纠偏”

在我们大多数人的意识中，科技通常是中立的。不管在全世界任何体制中、面对任何人群，科技遵循的规则都是客观的、中立的，就像建造高楼要遵循力学结构原理，防御新冠病毒要遵循科学检测和消杀防护手段一样。偏偏AI这位科技领域的新宠，从诞生之日起就带着神秘的算法黑箱和挑战人类智能的宏伟愿景。同时不可避免地也带有了人类设计者的主观色彩和个人偏见。

2021-04-23
阅读298
下载0
12页
pdf

大数据时代，我们都一丝不挂！（深度）

随着科技的发展，大数据应用的越来越普及，那么究竟什么大数据？对我我们又有什么样的影响？大数据时代，我们都一丝不挂！在大数据的面前，我们每个人都是透明的，乃至于一丝不挂，都在不停的裸奔。

2021-04-22
阅读322
下载0
6页
pdf

大数据时代，谁的眼神锁定你？

大数据时代之下，一如我们无法抗拒科技进步带来的便捷及欢愉，我们同样也无法避免在享受这一切的过程中留下自己的“数字足迹”。正因如此，数据如今已然被纳入企业的战略资源，开始指导决策，成为其提高行业核心竞争力的关键一环。

2021-04-22
阅读342
下载0
6页
pdf

大数据背后，是谁在监视我们的生活？

在数据的世界里，我们面对手机的每一个举动，都在成为机器学习的材料，训练人工智能更加理解人性。曾经那些高深玄奥的人生命题——我们是谁？好朋友意味着什么？我们将会选择什么样的生活——这些答案都可以从搜索记录、社交网络的聊天记录和手机传感器里找到。

2021-04-22
阅读301
下载0
16页
pdf

基于改进鸡群算法的区域水资源配置模型研究_卞雨

为了满足很多应用对于Web服务传输性能要求不断增加的需求,提高Web服务性能,同时降低系统响应时间,最有效的方法是对SOAP进行文档压缩,然而当前主流的压缩算法仅适于单文档压缩,对于多文档（文档集）压缩,效率低下并且无法解决文档间冗余问题。首次将XDrill压缩算法应用于Web服务,在单机条件下的测试结果表明,XDrill压缩算法极大地提高了文档集压缩效率,与传统的Gzip和XMill相比,平均压缩效率增加约30%；进一步用XDrill压缩算法对Web服务进行改进,成功解决了文档间冗余问题,和Pure-SOAP（不进行SOAP压缩）以及XMill相比,其平均响应效率分别提升47.23%和8.61%。

2021-04-22
阅读517
下载0
6页
pdf

动车所调车作业计划优化模型与算法_殷迪

本文在分析动车组一级修作业流程特点的基础上,将动车所调车作业计划优化问题构建为整数规划模型并设计了融合"股道均衡分配规则""股道无效占用时间最小化规则""冲突消解策略"的启发式算法对问题进行求解,以动车所实际案例为背景验证了模型和算法的有效性。结果表明,所提出优化模型和算法是有效的；所提启发式算法相比三类常见的调度方法具有明显的优越性。

2021-04-22
阅读896
下载0
7页
pdf

结合CNN和catboost算法的恶意安卓应用检测模型_苏庆

针对恶意安卓应用程序检测中存在的特征维度大、检测效率低的问题，结合卷积神经网络CNN良好的特征提取和降维能力以及catboost算法无需广泛数据训练即可产生较好分类结果的优点，构建一个CNN-catboost混合恶意安卓应用检测模型。首先通过逆向工程获取安卓应用的权限、API包、组件、intent、硬件特性和OpCode特征等静态特征并映射为特征向量，再在特征处理层使用卷积核对特征进行局部感知处理以增强信号；然后使用最大池化对处理后的特征进行下采样，降低维数并保持特征性质不变；接着将处理后的特征作为catboost分类层的输入向量，利用遗传算法的全局寻优能力对catboost模型进行调参，进一步提升分类准确率；最后对训练完成的模型，分别使用已知和未知类型的安卓应用程序数据集作实际应用测试。实验结果表明CNN-catboost模型调参用时较少，在预测精度和检测效率上也展示出较为良好的效果。

2021-04-22
阅读575
下载0
9页
pdf

上一页 1 …… 16191 16192 16193 16194 16195 16196 16197 16198 16199 16200 16201 …… 16652 下一页共 133209 条



立即登录

没有账户，需要注册

登录用户可享受以下权益

免费下载方案
服币提现
发布方案得服币
交易分成

精品推荐

工业时序基础大模型技术发展综述

时序大模型是面向时间序列数据的基础大模型，以 Transformer 等架构为核心，通过在海量多领域时序数据上进行预训练，学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练，时序大模型具备强大的迁移能力，只需少量样本微调或零样本提示，即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中，它能够直接处理传感器、设备测点产生的海量时序信号，挖掘设备状态演变规律，支撑设备故障预警、工况识别与生产趋势预判，为工业智能落地提供底层模型能力。如：中服云的CServerAIR

阅读642
下载8

2026“人工智能+”行业发展蓝皮书

2025年，全球人工智能市场规模达到3909亿美元，中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张，制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初，中国日均词元(Token)调用量为1000亿;至2025年底，跃升至100万亿;2026年3月，已突破140万亿，两年增长超千倍。这些数字背后，是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。

阅读2419
下载8

中服云能碳管理平台V5.0

中服云能碳管理系统依托中服云工业物联网底座打造，聚焦工业企业能耗管控与碳资产管理需求。系统整合水、电、气、热等多类能源数据，实现用能实时采集、集中监测、智能分析。依托数字化手段精准核算碳排放总量，助力企业摸清碳排底数、合规完成台账管理。通过节能诊断、能耗优化策略推送，有效降低生产能耗与运营成本。全方位赋能企业绿色低碳转型，筑牢安全生产与节能减排双重发展防线。

阅读2863
下载14

中服设备健康管理系统产品介绍

中服设备健康管理系统依托中服云工业物联网架构搭建，面向工业全品类设备运维场景。融合实时数据采集、状态监测、故障诊断核心能力，全天候掌握设备运行动态。通过边缘计算与 AI 算法分析设备隐患，实现从被动维修向预测性维护升级。有效降低设备故障率、减少停机损失，简化线下运维管理流程。助力工厂实现设备数字化管控，保障产线高效、稳定、安全运行。

阅读2602
下载10

最新上线

2026工业网络现状报告

十多年以来，关于工业网络的讨论一直围绕着数据表现展开。诸如"哪种协议的市场份额在上升?哪种在下滑?哪种标准最终将胜出?"这类问题固然依旧关键，您也可以在本报告第4页的年度市场份额数据中找到最新解答。然而，如今任何深耕工业自动化领域的专业人士都清楚，行业关注的核心问题已经发生了转移。

阅读40
下载0

2026金融智能体可信互联研究报告

在国务院《关于深入实施“人工智能+”行动的意见》指导下，众多企业加速推进人工智能应用落地，并积极探索智能体的潜在价值，2025年由此成为智能体发展的元年。2026年5月，中国人民银行等四部门印发《关于“人工智能+金融”的实施意见》，推动人工智能与金融行业广泛融合。为支撑跨模态、跨模型、跨机构、跨行业的复杂任务协同，满足金融业“开放、融合、高效”的发展诉求，智能体正从单一模式朝着多智能体协同与互联互通的方向演进。在此背景下，智能体通信协议迅速发展。