会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

高校智慧校园解决方案

采用5G+云网一体化模式，构建“云+网+端+内容+应用”五位一体的产品形态。实现教学、管理、服务三个方面的信息化、智能化，提升学校综合办学能力，推进教学改革发展结合院校自身特点及智慧校园建设标准设计，按照国家要求，快速满足学校智慧校园建设需求,智

  • 2024-10-11
  • 阅读306

2025年饮料纸基复合包装资源化利用案例集

饮料纸基复合包装是以纸板作为基本结构材料，与塑料等材料经复合工艺生产而成用来密闭存放液态食品(如乳品)的包装，是一种安全、环保、可回收的包装材料。由于其强度高、可折叠、并易于贮存，具有可再生循环使用、绿色环保等优点，在资源和环境意识逐步提高的今天备受青睐。

  • 2026-02-03
  • 阅读144
  • 下载0
  • 19页
  • pdf

2025年全球食物系统与SDG研究报告-食物供给、食者健康、生态平衡的整体治理

这项合作研究邀请所有联合国成员国参与，对各国食物系统及其对实现可持续发展目标(SDGs)的影响进行全面评估。研究以食学理论框架为指导，采用"三合一"系统方法，涵盖食者、食物、食序，通过典型案例分析揭示系统性挑战及其解决方案，最终提出具有可操作性的SDG推进路径。

  • 2026-02-03
  • 阅读128
  • 下载0
  • 16页
  • pdf

2025年AI玩具市场机会洞察-AI驱动下的玩具行业新机遇

全球玩具销售额呈稳步增态势，从2020年的6773.5亿元增至2024年的7971.3亿元;同期中国玩具销售额同步扩张，增长幅度高于全球市场.同时，中国玩具在全球市场的占比从2020年的16%，提升至2024年的19%。AI玩具是玩具行业的核心高增长细分赛道，全球AI玩具销售额进入高速增长通道，2023年为125亿美元，预计2030年将达250亿美元;对应渗透率随销售额同步攀升，2030年接近20%.

  • 2026-02-03
  • 阅读142
  • 下载0
  • 20页
  • pdf

谁抢了“哈弗H6们”的用户-哈弗市场竞争力分析报告（2026版）

从2011年8月25日正式上市到2025年底，哈弗H6的在华终端销量走势犹如过山车:2012年H6一举逼近15万辆，H6就像一束强光，照亮中国车市，开启长城汽车，乃至中国品牌的传奇篇章;2013年H6突破20万辆，成为中国品牌的最畅销车型，H6让当时垄断车型销量排行TOP10的福克斯、朗逸、捷达、桑塔纳、轩逸等一众合资型惊出一身冷汗，让本田CR-V、丰田RAV4等合资紧凑型SUV坐立不安，也让长城汽车最终决定哈弗品牌独立;2014年H6逼近30万辆，跃居至车型销量排行TOP5，助推CS75、CS35、奔腾X80等更多中国品牌SUV涌入与上量，彻底打破合资车型的垄断格局，合资车企从冷嘲热讽到认真对待，采购更多H6做针对性研究。

  • 2026-02-03
  • 阅读142
  • 下载0
  • 26页
  • pdf

肺动脉高压临床试验教育者的演进与影响

在临床试验环境中，肺动脉高压（PAH）的专门领域需要定 制化护理。不应低估赞助商、主要研究人员（PI）、临床试 验协调员、研究支持人员、医疗人员和勇敢志愿参与临床试 验的肺动脉高压（PAH）患者之间多学科合作的重要性。

  • 2026-02-03
  • 阅读139
  • 下载0
  • 11页
  • pdf

【IEEETC】基于多尺度注意力卷积神经网络的工业过程质量预测建模

软传感器在复杂工业过程的质量预测中得到了越来越多的应用，这些过程通常具有不同的拓扑规模和高度耦合的时空特征。然而，现有的软测量模型在提取多耦合复杂过程数据中的多尺度局部时空特征并充分利用它们来提高预测性能方面通常面临困难。因此，本文提出了一种基于多尺度注意力的CNN（MSACNN）来缓解这些问题。在MSACNN中，不同大小的卷积核首先在卷积层中并行设计，可以生成包含不同尺度局部时空特征的特征图。同时，在特征图上并行设计了一种通道式注意力机制，以获得它们的注意力权重，代表不同尺度下局部时空特征的重要性。通过两个实际工业过程的性能评估，验证了所提出的MSACNNover方法相对于其他最先进方法的优越性。关键词：卷积神经网络（CNN）、基于多尺度注意力的CNN（MSACNN）、质量预测、软传感器。

  • 2024-10-13
  • 阅读809

【IEEESENSORSJOURNAL】KSLDTNet：工业过程多步预测的关键样本定位和蒸馏变压器网络

关键质量指标的多步提前预测是优化和控制工业过程的基石。在长期预测范围内进行精确的多步预测，在提高工业过程的生产性能方面具有巨大的潜力。然而，提取历史特征对于实现这一目标具有重要意义。最近的进展表明，变压器网络为这一挑战提供了一种有前景的技术解决方案。然而，缺乏样本简化机制使得深度特征提取变得困难。它需要大量的计算成本，这使得传统的变压器网络在工业过程中不太适用。为了探索克服这些障碍的策略，并提高变压器网络对有效多步预测的适用性，本文提出了一种新的关键样本定位和分解变压器网络（KSLD-TNet）。具体来说，它首先使用注意力得分矩阵定位具有强交互作用的关键样本。然后，在KSLD TNet编解码器结构中逐层过滤非关键样本。这样，每层的输入样本数量可以呈指数级下降，显著降低了深度特征提取的难度和计算量。值得注意的是，本文还设计了一种信息存储结构，以避免样本分离过程中的信息丢失。利用两个工业过程数据集构建了广泛的实验，以证明所提出方法的有效性。关键词：深度学习、工业过程、关键样本定位（KSL）和蒸馏变压器、多步预测

  • 2024-10-13
  • 阅读672