为了利用传感器数据对智能家居用户行为进行识别， 提出了一种基于 ＧＲＵ 神经网络的识别方法。 首先， 将数据集中的行为和传感器数据进行预处理， 实现数值化和离散化； 其次， 按照行为的触发时间点 对传感器数据进行合并处理； 最后， 设计出一种行为识别神经网络模型对输入的 ３３ 维特征的传感器数据进 行识别， 输出相应的行为编号。 实验结果表明， 该神经网络模型的识别效果比一些传统方法和 ＲＮＮ 神经网 络模型的识别效果好。
针对传统 EM 算法存在初始模型成分数目需要预先指定以及收敛速度随样本数目的增长而急剧减慢等问题，提出了一种快速、贪心的高斯混合模型 EM 算法。该算法采用贪心的策略以及对隐含参数设置适当阈值的方法，使算法能够快速收敛，从而在很少的迭代次数内获取高斯混合模型的模型成分数。该算法通过与传统 EM 算法、无监督 EM 算法和鲁棒 EM 算法的聚类结果进行比较，实验结果证明该算法具有很强的鲁棒性，并且能够提高算法的效率以及模型成分数的准确性。
前处理是复杂问题数值模拟的主要性能瓶颈，涉及大量人工干预，其效率严重依赖于用户经验。可靠高效的自动前处理算法是提高数值模拟效率和精度的关键。前处理研究主要包含2项内容：网格生成和面向网格生成的CAD模型处理。进一步细分，CAD模型处理包括模型修复和特征简化。模型修复算法负责将存在“错误”的“脏”几何转换为满足网格生成要求的“干净”几何；特征简化在模型修复之后进行，负责消除不必要的设计细节，以得到性价比更高的网格模型。自动网格生成的研究已取得很大进步。相比而言，自动CAD模型处理的研究虽也受到持续的关注，但其研究现状和实际需求仍有很大差距。数值模拟中，模型表面是几何错误和几何特征最为集中的区域，模型处理后紧接着生成曲面网格，且通常情形下，后续的体网格生成以曲面网格生成结果为输入，不再访问几何模型数据。基于这一考虑，本文的主要研究内容设定为面向曲面的CAD模型处理方法。曲面模型处理算法研究有2条平行的研究路线，一类基于连续曲面；另一类基于离散曲面。商业CAD系统构建的模型通常基于连续曲面，它数学表达严格。几何精度高，但定义在其上的几何计算通常是非线性的，数值稳定性差；离散曲面的基本元素为三角面片，相关几何计算是线性的，快速有效，但几何精度低。此外，离散曲面表征只涉及面片相邻等低层拓扑，应用于需高层拓扑支持的操作时，需构造连续曲面模型中常用的B-rep。本论文提出一类混合曲面造型方法。并系统性地研究了几类基于混合曲面造型的模型修复、特征简化和网格生成算法。相比单纯的基于连续曲面或离散曲面的方法，本论文所研究方法可兼顾两类方法长处，在底层系统设计、具体算法实现、网格生成质量等方面展现出独特的优势。将混合CAD造型方法应用于数值模拟前处理过程的思想对其它相关领域的研究有启发作用。具体地，本文在以下3点上做出了创新：（1）为兼顾基于连续曲面和离散曲面的模型修复和特征简化方法的优点，提出并实现了混合曲面造型；继而为支持仅改变模型拓扑、不改变模型几何定义的虚操作算法，引入虚拓扑，扩展B．姊的适用能力；最后基于上述增强的CAD模型表征方法，从软件工程的角度设计了一套分层的CAD／CAE系统集成方案，以屏蔽底层CAD数据来源和算法实现的多样性对上层CAE算法的影响。（2）基于混合曲面造型方法实现了连续曲面的自动拓扑生成算法。以处理曲面边界存在曲线交缠和细缝等缺陷的“脏”几何。几何计算在离散曲面上完成；拓扑计算先在离散曲面上完成，继而利用离散曲面和连续曲面之间的基本映射关系拓展到曲面B．rep。新算法不需要修改连续曲面的几何表征，修复后的模型满足后续特征简化和曲面网格生成算法的要求。（3）从高质量曲面网格生成的需求出发，基于混合曲面表征，提出了一类针对复杂组合参数曲面模型的自动特征简化算法，4类曲面特征的自动识别和简化。特征简化涉及到的所有操作均为虚操作，不涉及复杂的几何计算，可逆，且不改变模型的几何定义。针对“虚面”缺乏统一的连续曲面参数表达，无法直接复用已有网格生成算法的难题，提出了一类基于混合曲面造型的虚面网格生成算法。新算法先获得虚面离散模型的参数化表达；继而扩展连续曲面网格生成算法到任意参数曲面，实现离散曲面的网格化；最后基于离散模型和连续模型的映射关系，将定义在虚面离散模型上的曲面网格反映射回连续曲面。
金属材料的韧性断裂过程一般要经历三个阶段，即在一定条件下，微孔洞的逐渐长大、慢慢形核以及最终聚合，这一转变过程导致了材料宏观裂纹的萌生和断裂。1975 年，Gurson提出细观模型，后经Tvergaard和Needleman进一步修正，形成GTN细观损伤模型。但原Gurson细观损伤模型没有考虑不连续微孔洞的影响，不能预测孔洞之间的颈缩现象。因此，本文从数值积分算法着手，在原GTN细观损伤模型的基础上引入塑性极限载荷模型，研究材料的损伤演化及断裂失效过程。为了研究高导无氧铜（OFHC）材料在单轴拉伸条件下的断裂破坏过程，本论文进行了如下研究工作：1．基于Gurson．Tvergaard-Needleman（GTN）细观损伤模型的本构理论，根据向后 Euler完全隐式积分算法，以及弹性预测．塑性校正方法，离散数值积分公式，更新应力应变关系，详细推导相应的一致切线刚度矩阵，提出数值算法的实现思路。以孔洞聚合时的临界孔隙率．疋为桥梁，将塑性极限载荷模型和GTN细观损伤模型相结合。编写大型有限元软件ABAQUS／STANDARD的用户自定义材料子程序UMAT，实现修正的GTN细观损伤模型在有限元环境中的应用。2．利用高导无氧铜（OFHC）材料加工成的光滑和缺口圆棒试样，进行单轴拉伸试验，获取载荷．位移曲线。由光滑圆棒试样得到的真实应力．真实应变曲线，确定杨氏模量、初始屈服应变、屈服极限及强度极限；对于塑性屈服后的硬化部分，采用Ramberg．Osgood硬化准则进行拟合，确定硬化系数以及硬化指数。3．建立缺口圆棒试样的轴对称有限元计算模型，选用八节点轴对称缩减积分单元（CAX8R），采用嵌入了UMAT的ABAQUS软件进行计算。根据前人的研究经验及方法，并结合单轴拉伸试样的试验和数值预测结果，通过综合对比分析，最终确定修正的GTN细观损伤模型损伤参数。4．根据已确定的损伤参数，采用用户自定义材料子程序UMAT，实现修正的GTN细观损伤本构模型在有限元软件ABAQUS环境中的应用。对缺口圆棒试样，进行数值万方数据摘要模拟断裂失效预测，预测结果与试验曲线基本吻合，验证了该模型的有效性，该方法的合理性和可行性。5．分析了裂纹萌生点的位置和扩展路线、应力三轴度沿着最小横截面的变化、以及断裂区损伤演化规律。研究结果发现，裂纹萌生点最早产生于缺口试样的中间位置，不久之后，载荷急剧下降；缺口圆棒试样的中间位置应力三轴度最高，而在自由边附近最低。这主要是因为，由于塑性变形的增大，孔洞体积分数也随之增加，当达到塑性极限载荷时，微孔洞开始聚合，孔洞体积分数由厂变成厂’，并急剧增大，当厂‘增加到一定程度时，缺口试样中间位置的裂纹开始萌生。裂纹萌生的加快和长大，造成微孔洞的急剧增大，促使载荷快速下降，材料的承载能力降低，当损伤程度积累到材料的极限值时，断裂失效现象产生。
给 出 了 , - . / 0 1 算 法 收 敛 速 度 指 标 的 定 义 2 提 出 了 基 于 算 法 参 数 + 模 型 与 模 型 参 数 优 选 的 智 能 , - . / 0 1 方 法 2 有 效 地 改 善 了 , - . / 0 1 算 法 的 收 敛 性 能 和 实 用 性 8 仿 真 表 明 了 该 方 法 的 可 靠 性 和 有 效 性 8
在应用数据高速增长的场景下，已有的静态图计算的模型和方法难以应对数据高速更新的挑战，图数据流模型应运而生。首先讨论当前大规模复杂数据流的产生及其管理需求，分析静态图模型以及已有数据流算法、系统在应对这一数据流场景的固有缺陷，阐述图数据流模型产生的重要背景。然后通过总结分析早期图的流式计算以及已有的少量图数据流的研究工作，给出图数据流模型的一般定义。最后，从方法和问题两个角度探讨图数据流的研究前景，并简要介绍图数据流管理系统相关技术架构。
基于文物的“现状”“原状”和“干预”三个重要概念及内在关系，文章提出运用数字化技术对长城维修段持续进行基于模型和图像的数据采集和追踪，为“源场景”概念形成一套数字化数据集，用于对长城保护维修中的干预过程进行管理的方法，并对这一方法在箭扣南段长城维修工程中的数据成果中进行了检验。实践证明，基于“源场景”概念，结合数字化技术，可有效对长城保护维修中的修缮和干预进行过程管理，同时也有助于推动文物保护工程一系列管理与操作模式的更新。
颠覆性技术是一个具有复杂的内在结构的技术群。从空间维度来看，颠覆性技术是包含了主导技术、辅助技术、支撑技术的复杂技术群，涉及多学科、多领域。在此背景下，运用科学计量的方法对颠覆性技术进行科技评价和科学技术演变规律探索面临挑战，实质表现为数据检索。本文探索了一种基于机器学习的专利数据集构建新策略，将专利检索任务作为机器学习的二分类任务，类似于信息检索中基于主动学习的查询分类思想，并提出了将 F-measure特征最大化方法与CNN （convolutionalneural networks） 模型相结合的文本分类改进方法。本文以人工智能 （artificial intelligence，AI） 技术域为例进行训练实验，实验结果的准确率、召回率和 F1 值分别达到 98.01%、97.04% 和97.89%，这表明本文提出的策略能够精准地识别人工智能专利，提高了专利检索的准确率和召回率，以利于构建精、 准、全的人工智能技术域专利数据集。
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。
2025年，持续的地缘政治紧张局势和贸易不确定性，取代了对“统一全球市场”的信念。全球品牌不再被动观望，而是转向更深层次的“在中国”融合:采用本土科技平台、加大研发投入，并推进逆向创新。 中国品牌为应对国内过度竞争以及对本土消费的过度依赖，加速出海扩张。 面向全球的品牌传播必须针对中国的竞争环境进行精细化调整;本地化不再是可选项，而是必选项。
安全应急装备是防范化解重大风险、提升突发事件应对能力的物质基础与技术保障，其发展水平直接关系到国家公共安全保障能力和产业链现代化水平。习近平总书记指出，“要巩固壮大实体经济根基，把集成电路、网络安全、生物医药、电力装备、安全应急装备等战略性新兴产业发展作为重中之重，着力打造世界级先进制造业集群。”当前，全球风险挑战日趋复杂严峻，气候变化引发的极端天气事件频发，城市运行系统日益复杂化，对现代化安全应急体系建设提出了新的挑战，也对安全应急装备产业提出更高要求。同时，新一代数字信息技术融合应用不断深化，以及全社会日益增长的安全保障需求，也为安全应急装备产业发展带来重要机遇。
当消费市场迎来“人口结构重塑”与“需求多元裂变”的双重变局，消费者正以更立体的姿态重新定义市场规则，这既是当下的行业底色，更是品牌增长道路上必须直面的核心命题。
核心研究发现 1.增长愈发难以实现:尽管许多企业仍在增长，但高增长企业(即员工规模等级提升一级)的比例已从疫情前的7.4%降至疫情后的4.3%，这表明市场环境日益严峻。1 2.AI技能是增长加速器:高增长企业的A技能发展水平比其他企业高出45%。
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
