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

我国智能制造产业呈现十大新趋势

赛迪（上海）先进制造业研究院近期对我国智能制造业发展现状开展的调研显示，我国智能制造产业进入洗牌期并呈现十大新趋势。专家认为，国家产业扶持及企业发展需准确把握新的发展趋势，推动智能制造发展，进而带动产业结构整体转型升级。

  • 2021-04-18
  • 阅读885
  • 下载0
  • 6页
  • pdf

决策树模型算法研究与案例分析

决策树（Decision Tree）是一个预测模型；他代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表某个可能的属性值，而每个叶节点则对应从根节点到该叶节点所经历的路径所表示的对象的值。数据挖掘中决策树是一种经常要用到的技术，可以用于分析数据，同样也可以用来作预测。从数据产生决策树的机器学习技术叫做决策树学习,通俗说就是决策树。

  • 2021-03-24
  • 阅读885
  • 下载0
  • 19页
  • pdf

Reinhard算法模型的色调映射算法的研究

长期以来，图像传感器的动态范围都很小，但是真实场景中亮度的动态变化范围却非常广，平常大部分场最的亮度范围都远远超过了图像传感器所能感受的动态范围，因此，需要-种特殊的图像，即高动态范围图像High Dynamic Range Image . HDRI）来满足要求。动态范围图像是用来实现比普通数字图像技术更大曝光动态范围钾更大的明暗差别）的一组技术， 图像所表现的层次更加丰富图像中高亮度区和低亮度区的细节信息都能很好地保留下来，更接近于人眼观测到的真实场景”。为了解决真实场量与传统显示设备动态范围不匹配的矛盾，国内外学者提出了很多色调映射Gone Mayong）算法来实现在传统显示器上显示高动态范围图像。本文主要研究Reinhanl基于摄影校型的色调映则算法

  • 2021-04-17
  • 阅读884
  • 下载0
  • 4页
  • pdf

互联网 -中国制造2025-工业4.0（15页 PPT）

互联网+” 是知识社会创新2.0推动下的互联网形态演进及其催生的经济社会发展新形态 互联网已不再是一般意义上的工具，它会上升为矛盾主体，从设计、生产、销售到售后的全流程对传统产业进行改造 传统产业与互联网是“互联网+”，而不再是“+互联网”

  • 2023-09-19
  • 阅读884
  • 下载0
  • 15页
  • pptx

基于过滤模型的聚类算法_邱保志

合理的聚类原型是正确聚类的前提.针对现有聚类算法原型选取不合理、计算聚类个数存在偏差等问题,提出基于过滤模型的聚类算法（CA-FM）.算法以提出的过滤模型去除干扰聚类过程的边界和噪声对象,依据核心对象之间的近邻关系生成邻接矩阵,通过遍历矩阵计算聚类个数；然后,按密度因子将数据对象排序,从中选出聚类原型；最后,将其余对象按照距高密度对象的最小距离划分到相应的簇中,形成最终聚类.在人工合成数据集、UCI数据集以及人脸识别数据集上的实验结果验证了算法的有效性,与同类算法相比, CA-FM算法具有较高的聚类精度.

  • 2021-05-06
  • 阅读884
  • 下载0
  • 11页
  • pdf

人工智能专用SoC芯片IP需求分析

目前支持AI计算开发的半导体有独立加速器和 in-memory/near-memory 计算技术两种。独立加速器以某种方式连接到应用处理器，并且有一些应用处理器在设备上添加了神经网络硬件加速。独立加速器可以通过芯片与芯片的互连而实现了将硬件扩展到多个芯片的巨大创新，从而实现最高性能，in-memory 和 near-memory 计算技术主要满足减少能耗需求。

  • 2021-03-16
  • 阅读883
  • 下载0
  • 7页
  • pdf

地铁网络关键节点二次规划模型与求解算法研究_郭晓玲

地铁网络中的关键节点对其连通性有着重要的影响。在有限的资源以及人力物力下,找出其中的关键节点进行强化管理以减小随机故障对整个网络造成的损失是非常重要的。应用二次约束二次规划模型,针对赋权网络,综合考虑节点移除后对网络的整体结构和功能的影响,给出了计算网络连通性的一个新测度——一步连接和两步连接；并基于模型特点设计了遗传算法。最后,以北京市地铁网络为例进行求解,表明了该方法的有效性和优越性。

  • 2021-04-21
  • 阅读883
  • 下载0
  • 12页
  • pdf

机器学习中的模型评价、模型选择及算法选择

正确使用模型评估、模型选择和算法选择技术无论是对机器学习学术研究还是工业场景应用都至关重要。本文将对这三个任务的相关技术进行回顾，并就每种技术的理论和实证研究的主要优缺点进行讨论。文章还将就机器学习算法中的超参数调优给出尽可能的建议，用以实现最佳的算法效果。文中内容涉及很多常用方法，比如模型评估和选择中的Holdout方法等；介绍了bootstrap技术的不同变体，通过正态逼近得到置信区间来衡量性能估计（performance estimates）的不确定性；在讨论偏差-方差（bias-variance）折中方案时，对比了留一交叉验证法（leave-one-out cross validation）和k-fold交叉验证法，并提供了在k-fold交叉验证中最优k值的选择技巧。

  • 2021-04-18
  • 阅读883
  • 下载0
  • 41页
  • pdf