本书是一本专门讲解开关电源原理与维修的图书，采用新颖的讲解形式，深入浅出的的介绍了各种开关电源的组成，原理与维修技巧。
物联网业务管理平台user_guide物联网业务管理平台user_guide
等保 2.0 标准具有以下特点：第一，基本要求、测评要求和技术要求框架统一，采用安全管理中心支持下的三重防护结构框架；通用安全要求+新型应用安全扩展要求，将云计算、移动互联、物联网、工业控制等列入标准规范。其中云计算扩展要求作为重点内容被第一个单独列出来。
为促进从传统电信企业向智能综合信息服务提供商转型,中国电信在2016年发布了《CTNet2025网络架构重构白皮书》,实施了网络重构计划，历经四年多的努力，已经促使传统上比较僵化封闭的网络架构,正逐步向简洁、敏捷、开放、集约的新型网络转变，基本上达到了阶段性的预期目标。
从1950年著名的图灵测试开始，人工智能(AI)发展已经经历了三大阶段。AI产业 正在从“感知智能”走向“认知智能”，人工智能作为工业制造4.0时代的核心驱动力， 对产业结构、信息化水平和运营模式都将产生颠覆性的影响。
目的：探讨 80 kV、30 mAs 扫描条件结合全模型迭代重建（iterative model reconstruction，IMR）算法在儿童腹 部 CT 扫描中的可行性。 方法：前瞻性地连续采集行腹部 CT 检查的 1~5 岁患儿 237 例，入组患儿 232 例，采用随机 数字法分为 A、B 2 组，A 组 120 例（正常体质量患儿 89 例，超重患儿 31 例），B 组 112 例（正常体质量患儿 83 例，超 重患儿 29 例）。A 组采用管电压 80 kV 结合 DoseRight 技术进行扫描，B 组采用管电压 80 kV 固定管电流（30 mAs）进 行扫描，扫描完成后分别采用 IMR 和 iDose4 算法重建。比较 2 组患儿的图像质量及辐射剂量。采用 SPSS 20.0 进行统 计学分析。结果：2 种重建算法下所有图像均能满足诊断需求，A 组患儿图像质量均优于 B 组（P＜0.01）；组内比较，A、 B 2 组的 IMR 算法图像评分均优于本组的 iDose4 算法图像评分（P＜0.01）；B 组正常体质量患儿 IMR 和 iDose4 算法图 像评分均高于超重患儿（P＜0.05），而 A 组正常体质量患儿和超重患儿 2 种算法图像评分差异无统计学意义。 A 组患 儿的体型特异性剂量估算值（size-specific dose estimate，SSDE）和容积 CT 剂量指数（volume CT dose index，CTDIvol）均 高于 B 组（P＜0.01）；组内比较，A 组患儿 SSDE 较 CTDIvol 高 49.1%，B 组患儿 SSDE 较 CTDIvol 高 48.0%，P 均＜0.01；A 组超重患儿 SSDE 较正常体质量患儿高 18.8%（P＜0.01），B 组超重患儿和正常体质量患儿 SSDE 差异无统计学意义 （P=0.18＞0.05）。 结论：80 kV、30 mAs 低剂量扫描在儿童腹部 CT 检查中是可行的，结合 IMR 算法能够进一步提高图 像质量。
该文基于 Arduino嵌入式系统与物联网工程有机结合，设计并实现了智能家居系统。该设计 主要由感知层、网络层和应用层组成。通过人工智能技术，系统可根据使用者的口令以及手势等执行相应的命令，实现了智能人机交互。同时使用逻辑回归等机器学习算法，在感知家庭环境数据的同时，为用户的行为建模，可以对家居进行人性化的管理。通过计算机和物联网的支持，智能家居成为了新型产业的佼佼者，伴随着时代发展，人工智能技术的介入，将会让人们的生活更安全、环保、智能。
没有账户，需要注册
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
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”。
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。
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。
面向人工智能技术浪潮带来的算网融合发展新机遇和新挑战，期望产业链各环节凝心聚力、携手并进，共同推动算力网络运载力质量不断提升，以网强算支撑产业应用创新，促进培育新质生产力，助力数字经济高质量发展!
AI-OTN产业落地。遵循试点先行、分步迭代思路开展现网实践。可优先开展小规模试点，围绕高收益场景验证技术能力，在试点基础上逐步完成设备改造、能力迭代，同时兼顾网络智能化效率与业务运行安全。设备厂商需加快AI-OTN设备形态迭代，完善轻量化网络AI模型，夯实产业规模商用基础。
物联网平台、工业物联网、数字孪生、设备全生命、生产管理、IOT、三维可视化、数字化大屏、数据采集、SIS、DCS、SCADA 工业互联网平台、工业物联网、能源管理、时序数据库、实时数据库、数据中台、智慧园区、智能楼宇、生产管理系统、机加生产管理系统、MES、设备资产管理系统、设备运维管理系统、设备监控、设备健康、MDC、DNC、倾斜摄影、数字化交付、组态工具
教育机构的规模壮大，行政会议频繁，而机构的复杂性与地域的分散性常常使信息传达的周期过长，影响工作内容的执行，更耗费了不少的差旅费。本系统可以召开主会场和所有分会场参加的全网视频会议。利用视频会议系统可以随时召开日常会议，减少差旅会务成本，缩短时间消耗可 以打造一个跨区域多人共享、沟通无障碍的工作空间。
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南
