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

齿轮加工数字化车间刀夹具管理系统设计

为解决齿轮加工车间刀夹具管理混乱问题 ，提出一种基于信息模型的全寿命周期管理方法 ，并设计了 齿轮加工数字化车间刀夹具管理系统 。 通过需求分析进行系统总体设计 ，包括刀夹具全寿命周期管理方法 、管理 模式和刀夹具管理系统架构 。 对包括基于六大原则的刀夹具选配方法等关键技术进行了研究 ；针对刀夹具信息复 杂 、管理混乱和多处维护的问题 ，建立了刀夹具信息模型和一种基于 Web Services 的刀夹具管理系统集成方法 。 详细设计了系统使用流程和数据库 ，开发了刀夹具管理系统并通过案例验证了系统的各项功能 ，实现了车间刀夹 具的全寿命周期数字化管理 ，满足了企业的应用需求 。

  • 2021-06-27
  • 阅读249
  • 下载0
  • 13页
  • pdf

基于风控和合规的云计算网络安全矩阵控制研究

支付是金融行业应用最多的场景,在利益的驱使下,针对支付业务场景的网络攻击越来越多.如何准确有效地感知支付场景的安全风险是当前研究的问题之一.重点制析了当前态势感知系统和支付业务安全监控系统的现状，分析了这2类传统系统在支付业务场景风险感知的不足.介绍了支付场景态势感知平台的功能架构和技术框架和基于网络.主机及业务应用的多渠道监控安全事件的分析方法.以账户暴力破解和恶意开户2种典型支付业务场景为例,利用自四归积分滑动平均模型并姑合高斯算法，设计了基于金融行业支付业务场景的态势感知模型,成功实现了支付场景化风 险的安全态势的未来预测和周期性预测。

  • 2021-07-20
  • 阅读249
  • 下载0
  • 6页
  • pdf

构建基于5G通讯技术的大型社会活动医疗急救保障系统

目的 验证在5G通讯远程操控下采用脑深部电刺激术（DBS）治疗颅脑疾病的可行 性。方法 2019年3月解放军总医院第一医学中心神经外科前瞻性招募3例拟接受DBS的患者。 其中1例为特发性震颤，2例为帕金森病。在北京与海南三亚（解放军总医院海南医院）两地搭建5G 通讯链路。手术组在北京手术室完成患者的头架安装、开颅、微电极穿刺等手术操作；远程控制组在 海南三亚完成远程手术计划制定、远程控制微电极记录（MER）、电极植入结果影像确认等步骤。 结果 远程手术期间5G通讯下行最大峰值速率为119 Mbps，上行峰值速率为27 Mbps，平均时延 76 ms。术中远程操控MER推进器进动过程顺利，无因信号传输延迟导致卡顿的现象。手术室现场 语音、画面及MER信号等信息传输流畅。手术完成顺利。患者术后无穿刺道出血、感染、皮肤破溃等 并发症。术后3个月随访，特发震颤患者临床震颤评分改善率为43．6％；帕金森病患者统一帕金森 病评分量表第三部分评分改善率分别为84．9％、90．5％。结论5G通讯技术下远程控制DBS术中 MER具有一定可行性。患者的临床疗效较好。

  • 2021-06-28
  • 阅读249
  • 下载0
  • 6页
  • pdf

基于层次化体系的武器系统大数据管理研究

武器系统在试验、训练和作战过程中需要装订大量数据，同时会产生大量的数据，这些数据的紧密铰链支撑着武器系统的运转，也是现代网络化作战的重要基础。对武器系统数据特点进行了研究，提出了一种冷、温、热层次化体系的大数据管理方法，根据数据结构特点、检索频率、更新频率等指标将数据分成3个层级，分别使用不同的存储技术和平台进行数据管理。同时描述了3层数据之间的联动转化关系，使其内在成为有机统一整体。最后，对三层数据体系的应用效果进行了说明，列举了在装备系统上部分应用成果。

  • 2021-06-21
  • 阅读249
  • 下载0
  • 10页
  • pdf

农业物联网与传感仪器研究进展 2

农业物联网与传感仪器研究进展 2，深入探讨其发展

  • 2021-06-18
  • 阅读249
  • 下载0
  • 11页
  • pdf

人工智能发展、产业结构转型升级与劳动收入份额变动

人工智能发展、产业结构转型升级与劳动收入份额变动.

  • 2021-06-17
  • 阅读249
  • 下载0
  • 20页
  • pdf

泛在电力物联网体系架构及实施方案初探

泛在电力物联网体系架构及实施方案初探

  • 2021-06-17
  • 阅读249
  • 下载0
  • 8页
  • pdf

基于优势演员-评论家算法的强化自动摘要模型

针对长文本自动摘要任务中抽取式模型摘要较为冗余，而生成式摘要模型时常有关键信息丢失、摘要不准确和生成内容重复等问题，提出一种面向长文本的基于优势演员-评论家算法的强化自动摘要模型（A2C-RLAS）。首先，用基于卷积神经网络（CNN）和循环神经网络（RNN）的混合神经网络的抽取器（extractor）来提取原文关键句；然 后，用基于拷贝机制和注意力机制的重写器（rewriter）来精炼关键句；最后，使用强化学习的优势演员-评论家（A2C）算法训练整个网络，把重写摘要和参考摘要的语义相似性（BERTScore值）作为奖励（reward）来指导抽取过程，从而提高抽取器提取句子的质量。在CNN/Daily Mail数据集上的实验结果表明，与基于强化学习的抽取式摘要（Refresh）模 型、基于循环神经网络的抽取式摘要序列模型（SummaRuNNer）和分布语义奖励（DSR）模型等模型相比，A2C-RLAS的最终摘要内容更加准确、语言更加流畅，冗余的内容有效减少，且A2C-RLAS的ROUGE和BERTScore指标均有提升。相较于Refresh模型和SummaRuNNer模型，A2C-RLAS模型的ROUGE-L值分别提高了6. 3%和10. 2%；相较于DSR模 型，A2C-RLAS模型的F1值提高了30. 5%。

  • 2021-06-15
  • 阅读249
  • 下载0
  • 7页
  • pdf