围绕广东省“互联网+”行动计划（2015-2020）推进和实施，将互联网的创新成果深度融合于经济社会各领域，运用互联网思维促进提升实体经济的创新力和生产力，形成更广泛的以互联网为基础设施和实现工具的经济发展新形态，助推产业经济的转型升级发展。
【技术规范】智能变电站 辅助控制系统设计技术规范 (2022 版),【技术规范】智能变电站 辅助控制系统设计技术规范 (2022 版),【技术规范】智能变电站 辅助控制系统设计技术规范 (2022 版)
【精益丛书四】精益物流-让物料流动起来,【精益丛书四】精益物流-让物料流动起来,【精益丛书四】精益物流-让物料流动起来
【评价标准】DB1304_T 353-2021 智慧平安社区建设体系评价标准,【评价标准】DB1304_T 353-2021 智慧平安社区建设体系评价标准,【评价标准】DB1304_T 353-2021 智慧平安社区建设体系评价标准
【深度报告】东吴证券-立足智慧矿山，发力充电网络,【深度报告】东吴证券-立足智慧矿山，发力充电网络,【深度报告】东吴证券-立足智慧矿山，发力充电网络
本文考虑了网内常规机组对系统短路容量的贡献，能够准确反映不同常规机组开机组合对系统安全稳定特性的影响。基于系统短路容量分析及安全稳定分析结果，提出了一种断面极限功率解析计算方法，并通过西北某电网实际算例分析，验证了所提方法的有效性和准确性。
传统的不确定性量化( uncertainty quantification，UQ )方法在处理高维问题时会遭遇维数灾难，解决这一挑战的一种方法是利用深度神经网络 ( deep neural networks，DNNs ) 强大的近似能力。然而，传统的 DNNs 通常需要大量高保真度 ( high-fidelity，HF) 数据训练来确保精确的预测，但由于计算或实验成本限制，此类数据可得性有限。为了减少训练费用，本研究引入了多保真度深度神经网络 ( multi-fidelity deep neural networks，MF？DNNs )，其中构建了一个子网络来同时捕获高保真度和低保真度 ( low-fidelity，LF ) 数据之间的线性和非线性相关性。MF？DNNs 的有效性最初通过准确近似各种基准函数来证明。随后，考虑输入不确定性的均匀分布或高斯分布，首次使用开发的MF？ DNNs来模拟1维、32维和100维环境中的偶然不确定性传播，UQ 结果证实，MF？ DNNs 能够熟练地预测兴趣参量 ( quantities of interest，QoI ) 的概率密度分布及其统计矩，而不会显著降低准确性。此外，MF？DNN 被用于模拟飞机推进系统内部的物理流动，同时考虑源自实验测量误差的偶然不确定性，基于二维欧拉流场和少量实验数据点，利用MF-DNNs对等熵马赫数分布进行了精确预测。总之，提出的 MF？DNN 框架在解决实际工程应用中的 UQ 和稳健优化挑战方面表现出巨大的潜力，尤其是在处理多保真度数据源时。
近年来学者们开发了多种用于机器状态监测的深度学习方法，在轴承故障诊断方面取得了令人瞩目的成功。尽管能够有效地诊断轴承故障，但大多数深度学习方法都非常依赖大量的数据，在工业应用中并不总是可获取到的。在实际工程中，轴承通常安装在经常发生速度和负载变化的旋转机械中，导致难以在所有操作条件下收集大型训练数据集。此外，在大多数深度学习算法中，物理信息常常会被忽略，有时会导致生成的结果不符合物理定律。为了应对这些挑战，本文提出了一种新的物理信息残差网络（PIResNet），用于学习嵌入在训练和测试数据中的底层物理信息，从而为不完美的数据提供符合物理规律的解决方案。在所提出的方法中，首先采用物理模态特性主导生成层来生成模态特性主导特征。然后，构建域转换层，以实现在不同运行速度条件下提取能够判别轴承故障的特征。最后，建立了一个并行双通道残差学习架构，可以自动提取轴承故障特征。使用可变运行速度和可变负载以及时变运行速度下的实验数据集进行验证，证明了PIResNet在非平稳运行条件下的优越性。
没有账户，需要注册
母公司公司的总目标是什么?母公司要求该业务单位做什么?将业务单位的定位是什么(基础业务还是边缘业务)
随着人工智能的迅猛发展，知识图谱与大模型作为两大核心研究领域，各自彰显出独特的技术优势。知识图谱以结构化方式精准刻画实体关联，为知识表示与推理提供了可解释的框架;大模型则凭借海量数据训练展现出卓越的自然语言理解与生成能力，具备强大的泛化学习性能。
国内重点工业物联网平台四类厂商分类及选型指南
工业物联网平台发展重点： 一是行业深耕化，从通用型平台向“一米宽、百米深”的行业垂直平台转型，聚焦能源、交通、化工等领域的特定需求，沉淀场景化解决方案与行业Know-how，而非追求“大而全”的覆盖能力。 二是智能融合化，工业大模型与平台深度结合，实现工业知识的智能化重构、应用开发的低代码化升级，以及生产运营的自感知、自决策、自优化闭环管控，AI成为提质增效的核心变量。 三是生态协同化，平台不再是单一技术载体，而是串联产业链上下游的协同中枢，通过跨系统数据融合、产学研用金深度合作，形成“数据-算力-应用”的生态闭环，赋能供应链协同与产业集群升级。 四是部署灵活化，采用“平台化产品+私有化部署”结合的模式，兼顾中小企业轻量化需求与大型集团定制化诉求，支持公有云、私有云、边缘端的混合部署，平衡成本与安全性。
1950年，“计算机之父”和“人工智能之父”艾伦·图灵(AlanM.Turing)发表了论文《计算机器与智能》，这篇论文被誉为人工智能科学的开山之作。在论文的开篇，图灵提出了一个引人深思的问题:“机器能思考吗?"。这个问题激发了人们无尽的想象，同时也奠定了人工智能的基本概念和雏形
OpenClaw核心价值 核心定义 高能动性智能体:直接操作电脑、调用工具、执行复杂科研任务三层架构:大脑(大模型)+手脚(Skil插件)+记忆(Memory存储)
2025年，AI在旅游业中的角色发生了关键转变。它不再只是搜索结果后的辅助工具，而是逐渐走到决策前台，成为能够理解需求、整合信息、给出方案的“旅行决策助手”。从“帮你查”到“替你想”，AI正在重塑人们准备一次旅行的方式。
一方面，智能音箱、智能门锁、智能照明等品类已完成市场启蒙，渗透率持续攀升;另一方面，大量智能家居设备仍停留在“连接即智能”的初级阶段，功能内卷与价值空心化并存。在这一背景下，客厅中最重要的家具一-沙发，正成为下一个被智能技术深度重构的关键场景。
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
