• 首页

  • 方案库

  • 工业品库

  • 招标项目库

  • 专家库

  • 人才库

会员中心
搜索
登录
注册
  • 方案名称

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
  • 全部
  • 人气排行
  • 下载排行
  • 页数排行
  • 最新排行

陕西省加快推进数字经济产业发展实施方案(2021—2025年)

《陕西省加快推进数字经济产业发展实施方案(2021-2025年)》已经省政府同意,现印发给你们,请认真贯彻执行。

  • 2024-12-20
  • 阅读2490

IEEETII基于随机权重网络的多目标增量建模

本文提出了一种基于图片-正则化的多目标IRWN来解决多目标过程建模问题。在常规IRWN中引入特征层,以提高特征提取能力。此外,采用了一个集成图片范数正则化的目标函数来捕捉目标之间的潜在关系。此外,通过Greville方法,构建了一个全局质量约束,并用于选择有效的随机参数,以同时提高性能并确保所提出方法的收敛性。最后,在六个基准数据集和真实的多目标建模过程中测试了所提出方法的泛化性能。实验结果表明,所建立的模型非常适合多目标应用。 虽然MTIRWN可以有效地处理多目标建模问题,但仍需要考虑一些局限性。1)随着概念漂移问题的出现,MTIRWNs的准确性和鲁棒性肯定会受到影响。在未来,将进一步探索考虑概念漂移的鲁棒和自适应增量学习。2) 由于ADMM和特征层的结合,MTIRWN的构建需要花费更多的时间。在未来的工作中,将采用基于GPU的优化方法,并探索有限元纯层参数确定方法,以降低计算成本。3) 在未来,我们将考虑大量隐藏节点的建模误差缓慢下降的现象。并且,我们希望将所提出的方法与建模误差的加速减小方法相结合,建立一个隐藏节点较少的强大多目标学习模型。

  • 2024-12-19
  • 阅读512

自动驾驶算法——理解强化学习(一)

强化学习位于多个领域的交叉点,但其基本理念相同:决策科学。在计算机科学中,它是机器学习;在神经科学中,它是奖励系统。在工程学中,它是最优控制。

  • 2024-12-18
  • 阅读409

自动驾驶算法——理解强化学习(二)

动态规划一般需要具备2个性质:最佳子结构→你可以将某些 RL 问题分解为≥2 个部分,然后解决它们,最后将它们组合起来找到最佳问题,从而解决该问题。重叠子问题→子问题可以出现多次,通过将问题分解为子问题,我们可以获得一些好处。

  • 2024-12-18
  • 阅读398

自动驾驶算法——理解强化学习(四)

首先回顾这个系列前几篇文章:自动驾驶算法——理解强化学习(一) 和 自动驾驶算法——理解强化学习(二)和自动驾驶算法——理解强化学习(三)。

  • 2024-12-19
  • 阅读377

自动驾驶算法——理解强化学习(三)

MC 方法很简单;你只是直接从经验情节中学习。它之所以无模型,是因为没有任何关于 MDP 转换/奖励的知识。它使用简单的“价值 = 平均回报”这一想法从完整的情节中学习。警告:只能将 MC 应用于情节 MDP,并且所有情节都必须终止。

  • 2024-12-19
  • 阅读396

自动驾驶算法——理解强化学习(五)

首先回顾这个系列前几篇文章:自动驾驶算法——理解强化学习(一) 和 自动驾驶算法——理解强化学习(二)和自动驾驶算法——理解强化学习(三)和自动驾驶算法——理解强化学习(四)。

  • 2024-12-19
  • 阅读421

SCI论文学习|一种基于联邦学习的边云协同机器剩余使用寿命预测的方法

本期给大家推荐郭亮教授的一种基于联邦学习的边云协同机器剩余使用寿命预测的方法。针对实际工业应用中智能方法预测剩余使用寿命(Remaining Useful Life)时出现的边缘客户端计算能力较弱、数据量有限以及所有边缘客户端数据不共享的问题,提出了一种基于联邦学习的RUL预测方法——FedRUL。该方法利用多个边缘客户端和一个云服务器在不共享数据的情况下训练全局编码器和剩余寿命预测器。首先,将所有的局部训练数据集馈送到相应的客户端,用于训练自己的卷积自编码器(Convolutional Autoen-coder)。然后,将所有客户端的编码器上传到服务器对编码器进行聚合。最后,服务器将全局编码器和RUL预测器分发给所有客户端,以实现相应的剩余寿命预测任务。通过铣刀数据集和轴承数据集验证了该方法的有效性。

  • 2024-12-19
  • 阅读536
上一页 1 …… 1612616127161281612916130161311613216133161341613516136 …… 16664 下一页 共 133305 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

人工智能大模型分类体系、技术特点及主流厂商概览

语言模型、视觉模型、语音模型、视频模型、时序模型,分别对应文字、图像、声音、视频、连续传感器数值,通用大模型,垂类大模型,AI

  • 阅读104
  • 下载2

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940
  • 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2745
  • 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3175
  • 下载14

最新上线

超硬材料智慧园区方案

超硬材料制品是典型的“材料—工具”型制造:金刚石刀头、锯片、工程钻、磨轮,最终用在石材与建材加工、路面与混凝土切割、玻璃与陶瓷、半导体与蓝宝石加工。产品小批量、多品种,工艺链却很长。 这条工艺链把同一道围墙切成几段:压制、烧结、焊接、磨削与检测分散在不同厂房,一段停摆,整批报废。以下痛点与解法取自一座已投运的园区平台,数据为界面实测值,企业名称脱敏。

  • 阅读36
  • 下载0

中服云工业物联网平台在印刷装备制造行业的应用

印刷机械是装备制造中比较典型的一类产品:单机价值高、定制化程度高、客户分散在全国各地的包装与印刷车间,一台凹版印刷机开机就是十几年。设备卖出去了,服务却要跟十几年——这是行业共同的结构性难题,也是工业物联网在装备制造领域最容易见效的地方。 本文以一个真实的落地样本为观察对象:一家印刷机械制造企业把 178 台在役设备接进了自己的远程运维系统,系统的底座选用中服云工业物联网平台的设备版。下文按“行业之困、平台解法、落地成效、可复制经验”四步展开。

  • 阅读57
  • 下载0

中服云数字孪生系统在石油和天然气开采业的应用案例(痛点·方案·成效)

石油和天然气开采业的生产对象在地下,管理的关键环节在地面。从井口到计量间,从转油站、联合站到外输与处理装置,油气田用“井—站—管网”的骨架把分散的资源汇集起来,联合站是这条骨架上设备最密集、工艺最连续、安全要求最高的节点。 这类站场大多已经上了SCADA,数据并不缺。问题在于数据上来之后,新的麻烦更清楚了:设备家底说不清,画面说不清位置,报警说不清先后。本文按“痛点—解决方案—成效”的顺序,说明中服云物联网平台与数字孪生平台如何分工配合,逐条解决这些问题。

  • 阅读64
  • 下载0

中服云物联网与数字孪生平台在油气作业现场的应用

油气田的地面作业现场有一个共同特征:设备搬着走、电源跟着换、负荷忽高忽低。钻修井井场靠网电、柴油发电机组、储能、光伏凑出一套临时电力系统;压裂井场更极端,几十台电驱压裂泵并联运行,瞬时功率爬升快,砂罐、混砂、供液、仪表车密集停放,作业段集中、单段时长以小时计。 这两类现场的管理难题是同一类:能耗与碳排放算不清、设备状态看不见、峰值容量报不准、多能协同靠经验。中服云用同一套工业物联网平台加数字孪生平台,把这两类现场做成了可以被“看懂、算清、考核”的对象。本文以已投运的钻修井现场为实测样本,说明平台在野外作业领域的典型应用,并给出向压裂井场复制的路径。

  • 阅读60
  • 下载0
  • 关于我们

    电话:029-8838-6725

  • 新闻资讯

    企业简介 新闻动态 品牌实力 代理合作 诚聘英才 联系我们

  • 中服云

  • 工业互联网风向标

  • 在线咨询

西安/北京/南京/重庆/合肥/厦门/甘肃 地址:陕西省西安市雁塔区鱼跃工业园慧康生物科技产业园7楼 电话: 029-8838-6725

版权所有 @ 中服云 陕ICP备11002812号
  • 扫码咨询

    或

    点击立即咨询
  • 客服咨询

  • 用手机扫二维码

    或

    复制当前地址

  • 问题反馈 中服大讲堂 客服电话

方案库赚钱指南