• 首页

  • 方案库

  • 工业品库

  • 招标项目库

  • 专家库

  • 人才库

会员中心
搜索
登录
注册
  • 方案名称

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
  • 全部
  • 人气排行
  • 下载排行
  • 页数排行
  • 最新排行

基于改进遗传算法的海上风电场消纳拓扑结构优化模型_赵东来

在对海上风电场功率汇集系统进行分析的基础上,建立数学模型对其经济性和可靠性进行综合评估,提出基于改进单亲遗传算法的海上风电场功率汇集系统拓扑结构优化模型。对包含多个海上变电站的大型海上风电场提出基于范式距离最优的区域划分方法。研究结果表明:所提出的模型可以在统筹优化经济性和可靠性的同时快速获得拓扑连接优化结果,与传统的遗传算法相比收敛速度更快,优化结果更好;通过对海上风电场经济性和可靠性的权重赋值,还可得到不同权重下的拓扑结构优化结果,从而为大型海上风电场建设中的功率汇集系统拓扑优化提供参考。

  • 2021-05-06
  • 阅读471
  • 下载0
  • 7页
  • pdf

基于专家场先验模型的图像超分辨重建算法_张秀

为了进一步提高图像超分辨率重建的质量,针对非局部集中稀疏表示算法中重建图像的噪声问题,提出了一种基于专家场先验模型的图像超分辨率重建改进算法。首先,利用专家场模型从图像训练集中学习整幅图像的先验知识建立全局先验模型;然后将学习到的先验信息用于非局部集中稀疏表示模型求解最优稀疏表示系数;最后,得到高分辨率图像估计。该算法在超分辨率重建迭代运算的同时,同步更新专家场模型参数,因此在不显著增加运算复杂度的情况下,通过选取合适的先验约束,有效地增强了图像重建的效果。实验结果表明:相比非局部集中稀疏表示算法,文中算法对无噪和有噪降质图像均能取得较好的峰值信噪比结果,并且能够进一步提高有噪图像的去噪效果。

  • 2021-05-06
  • 阅读471
  • 下载0
  • 8页
  • pdf

不平衡数据集下基于自适应加权Ba_省略__GBDT算法的磁盘故障预测模型_李新鹏

针对磁盘数据集中正负样本数目严重不平衡导致基于机器学习的分类算法易出现故障预测准确率低的问题,本文提出一种基于自适应加权Bagging-GBDT算法的磁盘故障预测模型.首先,提出基于聚类的分层欠采样方法对健康磁盘样本进行多次抽样,解决随机欠采样方法易丢弃潜在有用样本的问题;其次,将每次采样后样本与全部故障磁盘样本组合得到多个样本子集,通过训练这些子集建立多个预测精度较高的GBDT子分类模型;最后,根据待测点邻域样本类别自适应确定各子模型权重,据此通过加权硬投票集成最终的磁盘故障预测模型.在8组KEEL不平衡数据集上实验结果表明,与现有典型不平衡学习算法相比,少数类的召回率平均提升了9.46%;同时在磁盘公开数据集和某调度系统磁盘数据上对比验证了该方法在故障预测率上的先进性.

  • 2021-05-06
  • 阅读471
  • 下载0
  • 6页
  • pdf

遗传算法与行人疏散模型结合的建筑出口优化_韩雨烔

构建基于遗传算法与行人运动仿真模型的双层优化框架,选取单室双出口场景,考虑两个出口在同一侧、相邻侧、相对侧3种典型布局,设定3种人员身形,3种疏散初始人群密度,9种疏散出口大小条件,形成243个数值实验场景,分别计算获得最有利于人员疏散的出口布局。研究发现疏散出口宽度与疏散效率呈正向关系,疏散人员半径、初始人员密度与疏散效率呈负向关系,同时在不同布局中,影响疏散效率的关键参数有一定区别。

  • 2021-05-06
  • 阅读470
  • 下载0
  • 8页
  • pdf

【CI】基于轻量级联合学习的工业控制时间序列数据异常检测系统

随着工业物联网(IloT)的出现,智能制造系统的潜在威胁变得越来越具有挑战性,对生产运营和重要工业设备,甚至敏感信息造成严重损害。因此,在应该持续运行的工业控制系统中检测时间序列数据的不规则性是至关重要的,可以确保安全性并最大限度地降低维护成本。在这项研究中,通过联邦学习、自动编码器、变压器和傅里叶混合子层的混合设计,我们提出了一种鲁棒的分布式异常检测架构,该架构在IOS环境中比几种最新的异常检测解决方案更准确,同时在分钟时间尺度内快速学习。这种分布式架构也被证明具有重量轻、占用CPU和内存少、带宽消耗方面的通信成本低的特点,这使得在计算能力有限的边缘设备上部署成为可能。

  • 2024-09-08
  • 阅读470

12张架构图读懂企业数据中台

中台概念出现之前,在信息化模式上,前端为支撑业务的应用端,后端为各个应用系统,为前端用户,如:客户、供应商、伙伴、社会,提供服务,但随着市场、用户需求、业务的多变性,底层僵硬的应用无法及时提供支撑。

  • 2023-02-19
  • 阅读470

高性能密码资源池关键技术研究

随着 5G、物联网、云计算、区块链等新技术的飞速发展,这些新兴领域对高性能密码运算提出了更高的要求,重点研究高性能密码运算、节点虚拟化、弹性资源管理的高性能密码资源池设计目标,重点探讨高性能密码资源池在设计开发过程中需要重点关注的密钥安全管理、高性能密码运算、虚拟化管理、弹性密码服务等关键技术,可应用于云计算、大数据、物联网等高安全需求的领域。

  • 2022-01-08
  • 阅读470
  • 下载0
  • 10页
  • docx

基于随机森林算法的吸毒人员甄别模型研究_顾海艳

基于数据挖掘技术,利用脉搏波数据构建模型进行吸毒人员的甄别技术,是一项新技术研究.对采集的脉搏波数据,在数据预处理的基础上,运用随机森林算法构建吸毒人员甄别模型,该模型准确率虽然较高,但查全率、F1值均较低.为此提出了改进的随机森林算法,主要包括3种改进策略:采用划分多组训练集和测试集进行交叉验证,运用下采样方案来平衡样本分布,选用多评判指标选定模型构建参数.通过测试,根据准确率、查准率、查全率、F1值等多项指标的比较,发现改进的随机森林判别模型性能得到明显提升.

  • 2021-05-06
  • 阅读470
  • 下载0
  • 6页
  • pdf
上一页 1 …… 415416417418419420421422423424425 …… 2884 下一页 共 23066 条


立即登录

没有账户,需要注册

登录用户可享受以下权益
  • 免费下载方案
  • 服币提现
  • 发布方案得服币
  • 交易分成

精品推荐

时序基础大模型技术发展综述

时序大模型是面向时间序列数据的基础大模型,以 Transformer 等架构为核心,通过在海量多领域时序数据上进行预训练,学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练,时序大模型具备强大的迁移能力,只需少量样本微调或零样本提示,即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中,它能够直接处理传感器、设备测点产生的海量时序信号,挖掘设备状态演变规律,支撑设备故障预警、工况识别与生产趋势预判,为工业智能落地提供底层模型能力。如:中服云的CServerAIR

  • 阅读130
  • 下载6

2026“人工智能+”行业发展蓝皮书

2025年,全球人工智能市场规模达到3909亿美元,中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张,制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初,中国日均词元(Token)调用量为1000亿;至2025年底,跃升至100万亿;2026年3月,已突破140万亿,两年增长超千倍。这些数字背后,是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。

  • 阅读2056
  • 下载8

中服云能碳管理平台V5.0

中服云能碳管理系统依托中服云工业物联网底座打造,聚焦工业企业能耗管控与碳资产管理需求。 系统整合水、电、气、热等多类能源数据,实现用能实时采集、集中监测、智能分析。 依托数字化手段精准核算碳排放总量,助力企业摸清碳排底数、合规完成台账管理。 通过节能诊断、能耗优化策略推送,有效降低生产能耗与运营成本。 全方位赋能企业绿色低碳转型,筑牢安全生产与节能减排双重发展防线。

  • 阅读2517
  • 下载11

中服设备健康管理系统产品介绍

中服设备健康管理系统依托中服云工业物联网架构搭建,面向工业全品类设备运维场景。 融合实时数据采集、状态监测、故障诊断核心能力,全天候掌握设备运行动态。 通过边缘计算与 AI 算法分析设备隐患,实现从被动维修向预测性维护升级。 有效降低设备故障率、减少停机损失,简化线下运维管理流程。 助力工厂实现设备数字化管控,保障产线高效、稳定、安全运行。

  • 阅读2301
  • 下载9

最新上线

交通指挥中心及数据机房环境支撑系统解决方案

中服云工业物联网平台入选工信部工业互联网优秀产品、制造业与互联网融合发展试点示范项目,并获评工业互联网平台20强之一。未来,中服云将继续深耕工业物联网领域,以自主可控的平台技术赋能更多行业的数字化、智能化转型。

  • 阅读10
  • 下载0

时序基础大模型技术发展综述

时序大模型是面向时间序列数据的基础大模型,以 Transformer 等架构为核心,通过在海量多领域时序数据上进行预训练,学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练,时序大模型具备强大的迁移能力,只需少量样本微调或零样本提示,即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中,它能够直接处理传感器、设备测点产生的海量时序信号,挖掘设备状态演变规律,支撑设备故障预警、工况识别与生产趋势预判,为工业智能落地提供底层模型能力。如:中服云的CServerAIR

  • 阅读130
  • 下载6

数据中心800V直流供配电系统解决方案技术白皮书

本白皮书中,“800V直流供配电系统”用于指面向数据中心场景的系统级供电与配电架构;“800V直流母线”用于指系统中的主干直流配电电压平台;“SST”用于指固态变压器技术路线;“PDM、PDU、rPDUPowerShelf、Sidecar”等机柜侧设备名称在不同生态和厂商中可能存在功能边界差异,本文主要按照系统功能进行归纳,具体定义应以产品规格书和项目方案为准

  • 阅读119
  • 下载0

2026AGI时代全球数智医学影像生态产业发展白皮书

当人工智能以前所未有的速度重塑千行百业,医疗 健康领域也正在经历一场从“经验驱动”迈向“数 据智能”的深刻变革。医学影像贯穿疾病筛查、临 床诊断、治疗规划、疗效评估和随访管理全过程, 具有应用频率高、数据规模大、临床价值直观等特 点,已成为人工智能率先实现规模化应用的重要医 疗场景之一。

  • 阅读467
  • 下载1
  • 关于我们

    电话:029-8838-6725

  • 新闻资讯

    企业简介 新闻动态 品牌实力 代理合作 诚聘英才 联系我们

  • 中服云

  • 工业互联网风向标

  • 在线咨询

西安/北京/南京/重庆/合肥/厦门/甘肃 地址:陕西省西安市雁塔区鱼跃工业园慧康生物科技产业园7楼 电话: 029-8838-6725

版权所有 @ 中服云 陕ICP备11002812号
  • 扫码咨询

    或

    点击立即咨询
  • 客服咨询

  • 用手机扫二维码

    或

    复制当前地址

  • 问题反馈 中服大讲堂 客服电话

方案库赚钱指南