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

滑坡实时监测预警模型调度算法优化研究_何朝阳

监测预警是地质灾害防灾减灾的重要手段。在滑坡的实时监测预警中，预警模型的调度算法直接关系到预警的成功与否。传统的做法是根据一定时间间隔启动预警服务，这种方法易于实现，但受到预警时间间隔的影响，其预警结论及其处置建议的发布存在一定的延迟，无法达到真正的实时预警。如何通过预警模型和实时监测数据快速地得到预警等级、如何控制好预警信息发送的时间与频率，是需要解决的两个关键问题。为了尽量缩短从数据采集到预警信息发出的时间间隔，为后续预警处置赢得更多时间，本文从预警流程和模型调度算法入手，研究基于时间驱动和数据驱动的预警模型调度方式，结合实时监测数据类型及其特征，提出预警模型调度策略及预警信息发布策略，以期提高滑坡的预警精度，最后研发一套预警等级求解器，采用多线程思路，构建基于策略的预警模型通用计算框架，从而实现对滑坡的实时过程跟踪预警，充分发挥预警平台的作用。

  • 2021-04-21
  • 阅读778
  • 下载0
  • 15页
  • pdf

EM算法在P范混合模型的参数估计中的应用_彭飞

针对多种分布形式混合的观测数据，建立了P范分布混合模型，考虑到模型中混合数属于不完全数据，引入EM算法，对该混合模型的参数进行估计，详细推导了P范混合模型参数估计的迭代公式，并给出了相应的迭代步骤。最后采用混合高斯分布数据、拉普拉斯分布与高斯分布混合数据以及实测GPS观测值残差数据，验证了本文公式的正确性和适应性。算例结果表明，相比于单一概率分布，P范混合模型能够准确反映数据分布的实际情况，同时利用EM算法估计的模型参数具有较高的精度。

  • 2021-04-23
  • 阅读778
  • 下载0
  • 11页
  • pdf

谷歌中国工程师团队提出颠覆性算法模型，Waymo实测可提高预测精准度

“周围的车辆和行人在接下来数秒中会做什么？”要实现安全的自动驾驶，这是一个必须回答的关键问题，这也就是自动驾驶领域中的行为预测问题。 自动驾驶公司 Chris Urmson 去年曾在一次采访中表示，感知和预测能力很关键，如果有一个模型能预测未来 5 秒会发生什么，这将能很大程度加速自动驾驶的发展。 行为预测的难点在于周围行人、车辆的不确定性和各种规则之外的行为。这些状况难以进行确定性的预测，只能通过训练数据分析各种行为的可能性来达到更加合理的预测效果。另一个难点是盲区与遮挡问题。

  • 2021-04-17
  • 阅读778
  • 下载0
  • 6页
  • pdf

算法模型自动超参数优化方法

什么是超参数？ 学习器模型中一般有两类参数，一类是可以从数据中学习估计得到，我们称为参数（Parameter）。还有一类参数时无法从数据中估计，只能靠人的经验进行设计指定，我们称为超参数（Hyper parameter）。超参数是在开始学习过程之前设置值的参数。相反，其他参数的值通过训练得出。

  • 2021-03-24
  • 阅读777
  • 下载0
  • 18页
  • pdf

工信部——智能制造典型场景参考指引（2025年版）

智能制造典型场景是智能工厂建设的基础，是推进智能制造的基本业务单元。面向产品全生命周期、生产制造全过程和供应链全环节开展工厂的业务解耦，通过新一代信息技术与制造技术深度融合，部署智能制造装备、工业软件和智能系统，以数字化、网络化、智能化方式进行业务重构，形成标准化、可推广的智能制造典型场景，进而集成贯通构成智能工厂。根据智能制造多年探索实践，结合技术创新和融合应用发展趋势，凝练出8个环节的40个智能制造典型场景，作为智能工厂梯度培育、智能制造系统解决方案“揭榜挂帅”、智能制造标准体系建设等工作的参考指引。

  • 2025-05-22
  • 阅读777

不锈钢车削加工工艺

人们把含铬量大于12%或含镍量大于8%的合金钢叫不锈钢。这种钢在大气中或在腐蚀性介质中具有一定的耐蚀能力，并在较高温度(>4500下具有较高的强度。含铬量达16%~18%的钢称为耐酸钢或耐酸不锈钢，习惯上通称为不锈钢。

  • 2023-09-28
  • 阅读777

从浅层模型到深度模型：概览机器学习优化算法

本篇论文旨在介绍关于将最优化方法应用于机器学习的关键模型、算法、以及一些开放性问题。这篇论文是写给有一定知识储备的读者，尤其是那些熟悉基础优化算法但是不了解机器学习的读者。首先，我们推导出一个监督学习问题的公式，并说明它是如何基于上下文和基本假设产生各种优化问题。然后，我们讨论这些优化问题的一些显著特征，重点讨论 logistic 回归和深层神经网络训练的案例。本文的后半部分重点介绍几种优化算法，首先是凸 logistic 回归，然后讨论一阶方法，包括了随机梯度法（SGD）、方差缩减随机方法（variance reducing stochastic method）和二阶方法的使用。最后，我们将讨论如何将这些方法应用于深层神经网络的训练，并着重描述这些模型的复杂非凸结构所带来的困难。

  • 2021-04-18
  • 阅读775
  • 下载0
  • 11页
  • pdf

BP神经网络模型算法

BP（Back Propagation）算法,是1986年由Rinehart和McClelland为首的科学家提出，按误差逆向传播算法训练多层前馈网络，是目前最广泛的神经网络模型之一。BP网络能学习和存储大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。学习过程使用最快下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。

  • 2021-04-18
  • 阅读773
  • 下载0
  • 11页
  • pdf