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

海堤越浪量的物理模型试验及人工智能算法模型预测_倪琦

通过物理模型试验,研究不规则波作用下,平均破波参数、相对坡肩宽度、相对防浪墙高度和相对堤顶超高对海堤越浪量的影响,采用人工智能算法构建海堤越浪量的预测模型,并结合实际工程进行验证。结果表明,海堤越浪量随平均破波参数的增大而增大,随其余3个影响因素的增大而减小,越浪量与这4个因子具有复杂的非线性函数关系；人工智能算法模型具有良好的预测精度和泛化性能,测试组超过90%的数据预测误差控制在±10%范围内。

  • 2021-04-22
  • 阅读741
  • 下载0
  • 6页
  • pdf

2021年值得关注的五种物联网（ IoT ）威胁

在实体采用物联网时，他们在威胁防范方面依然会落后于国防和指导部门。此外，威胁实施者会充分利用物联网带来的风险与实体在应对这些风险所做准备之间的差距。IT 可能未得到授权，甚至可能不知道这些设备。在很多情况下，雇主甚至都没有它们的所有权。

  • 2021-04-22
  • 阅读263
  • 下载0
  • 6页
  • pdf

基于改进的隐马尔可夫模型的新闻推荐算法_张丹 （1）

推荐系统已经应用到各行各业中,新闻推荐也应运而生。用户在阅读新闻时一般是时间序列的形式,然而,传统的新闻推荐算法很少考虑用户浏览行为的时间序列特征。因此,它并不能有效地预测用户阅读的下一篇新闻。针对这一问题,将隐马尔可夫模型融入到新闻推荐算法中,根据用户的阅读轨迹,找到用户下一时刻阅读概率最高的新闻。在此基础上,加入状态驻留时间元素,将隐马尔可夫模型的五元素扩展为六元素,以此来提高推荐准确度。为证明解决方案的有效性,与其他的新闻推荐算法进行了对比,结果显示论文算法在F1指标上约提高了14%。

  • 2021-04-21
  • 阅读450
  • 下载0
  • 6页
  • pdf

IBM智慧工厂解决方案

IBM全程服务于智能楼宇的各阶段，包括规划阶段、设计阶段、建造阶段与后续服务阶段相关服务，可一站式帮助企业解决在智能楼宇建设中遇到的各种问题。

  • 2021-04-21
  • 阅读194
  • 下载0
  • 6页
  • pdf

基于Hammerstein模型的非线性系统参数辨识算法研究_李蓓蕾

为了提高非线性系统参数的辨识精度,以典型的非线性系统Hammerstein模型为例,结合莱维飞行（Levy）算法对标准粒子群优化（PSO）算法进行改进。首先回顾了对于非线性系统辨识算法的发展及存在问题；其次介绍以Levy算法结合PSO算法对非线性系统辨识的整体流程；然后将改进后的算法应用于两个Hammerstein模型中,对模型参数进行辨识,完成对剔除算法的验证；最后对Levy-PSO算法存在的问题做出总结,以及未来的发展方向。通过对基本粒子群和改进的粒子群算法进行仿真对比分析,实验结果表明改进的算法能显著提高辨识速度,有效改善基本粒子群算法的过早收敛问题,并且提高了辨识精度。

  • 2021-04-21
  • 阅读576
  • 下载0
  • 6页
  • pdf

基于金字塔模型和注意力机制的YOLO_V3目标检测算法_高建瓴

YOLO V3作为一种多尺度的目标检测算法,结构简单,可快速检测。但在训练过程中,由于底层的卷积层中包含较多的目标细节信息,而通过不断的卷积,底层的信息会被逐渐淡化掉。针对于此,本文利用改进的金字塔结构,将浅层特征图的细节信息和高层的语义特征信息进行融合,从而提高检测效果。在特征提取网络的残差连接中加入注意力机制,使得具有注意力效果的梯度能流入更深的网络中,通过在YOLO V3中加入注意力机制提升检测精度。即提出一种基于金字塔模型和注意力机制的YOLO V3目标检测算法。将改进后的算法和原有算法在COCO 2014数据集上进行对比实验,结果表明改进后的YOLO V3算法在mAP上有所提升,证明了它的可行性。

  • 2021-04-21
  • 阅读535
  • 下载0
  • 6页
  • pdf

服务器硬件故障应急预案

当硬盘出现黄灯提示预警时，应先查看硬盘数据是否丢失，如数据存在应先做好数据备份，将此服务器各应用迅速转移，然后排查报警具体原因，如由于错误操作或硬盘连接不好引起的报警，可尝试重启服务器，重新插拔硬盘等操作即可解决问题。如硬盘损坏，应及时将备用硬盘替换下故障硬盘，使服务器恢复正常工作。排查过程中，如不能正确判断问题原因，不能随便操作，可向IBM售后服务咨询处理。

  • 2021-04-21
  • 阅读253
  • 下载0
  • 6页
  • pdf

基于深度学习VGG网络模型的海洋单细胞藻类识别算法_王羽徵

为更好地对海洋中单细胞藻类进行有效识别,本研究提出了基于改进式VGG16网络模型的单细胞藻类识别算法—AlgaeNet,在传统VGG网络模型基础上,通过减少卷积核数量,并添加BatchNormalization层进行神经网络模型加速。结果表明:在相同试验条件下,本研究中提出的AlgaeNet算法在训练过程中的损失值收敛速度及对测试集样本（卵形小球藻Chlorella ovalis与小等刺硅鞭藻Dictyocha fibula Ehrenberg）的预测准确率上升速度较传统VGG、AlexNet网络模型优势明显,识别准确率可达99.317%。研究表明,基于改进式VGG16网络模型的单细胞藻类识别算法AlgaeNet在单细胞藻类识别领域具有较好的分类识别性能,可实现海洋中藻类的准确识别。

  • 2021-04-21
  • 阅读737
  • 下载0
  • 6页
  • pdf