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

TPU演进十年：Google十大经验及教训

David Patterson，Google杰出工程师、UC Berkeley荣誉退休教授、美国国家工程院、科学院院士、文理科学院“三院”院士。他是RISC（精简指令集计算机）、RAID（独立磁盘冗余阵列）和NOW（工作站网络）的缔造者，他与John Hennessy的著作《计算机体系结构：量化研究方法》在业内久负盛名。

  • 2022-11-23
  • 阅读480

计算机的本质到底是什么？

庄子说过吾生有崖，知无涯。以有限的生命去学习无尽的知识是很愚蠢的。所以，学习的终极目标一定不是知识本身，因为知识是表象的、不稳定、会过时。

  • 2022-11-23
  • 阅读454

数据湖会取代数据仓库吗？

数据湖是一个存储企业的各种各样原始数据的大型仓库，其中的数据可供存取、处理、分析及传输。

  • 2022-11-23
  • 阅读546

石化行业智能制造标准体系建设指南（2022版）

工业和信息化部近日印发《石化行业智能制造标准体系建设指南（2022版）》，提出到2025年，建立较为完善的石化行业智能制造标准体系，累计制修订30项以上石化行业重点标准，基本覆盖基础共性、石化关键数据及模型技术、石化关键应用技术等标准；对于原油加工等石化细分行业，优先制定新一代信息技术在生产、管理、服务等特有场景应用的标准，推动智能制造标准在石化行业的广泛应用。

  • 2022-11-23
  • 阅读638
  • 下载0

机器学习知识点全面总结（有监督+无监督）

简单的归纳就是，是否有监督（supervised），就看输入数据是否有标签（label）。输入数据有标签，则为有监督学习；没标签则为无监督学习。

  • 2022-11-23
  • 阅读704

时序模型prophet的简单介绍

prophet是一个专门用来处理时间序列数据的模型。 prophet的基本原理是：

  • 2022-11-21
  • 阅读599

12篇顶会论文，深度学习时间序列预测经典方案汇总

早期的时间序列预测主要模型是诸如ARIMA这样的单序列线性模型。这种模型对每个序列分别进行拟合。在ARIMA的基础上，又提出了引入非线性、引入外部特征等的优化。然而，ARIMA类模型在处理大规模时间序列时效率较低，并且由于每个序列分别独立拟合，无法共享不同序列存在的相似规律。深度学习模型在NLP、CV等领域取得了成功应用后，也被逐渐引入到解决时间序列预测问题中。通过不同序列共享一个深度学习模型，让模型能从多个序列中学到知识，并且提升了在大规模数据上的求解效率。

  • 2022-11-21
  • 阅读626

分解学习+对比学习实现更清晰的时间序列预测建模

基于深度学习的时间序列预测方法一般采用端到端的方式训练模型，将原始的时间序列通过网络映射到一个表示，再基于这个表示进行预测。然而，这种方法将时间序列的所有信息映射成一个向量，这个向量耦合了很多不同维度的信息，容易造成过拟合，对序列中噪声的敏感程度也更高。

  • 2022-11-21
  • 阅读610