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

ECR-ECN工程变更流程培训讲义

ECR:Engineering Change Request 工程变更申请 1）变更申请需要清晰描述改善产品质量所需进行怎样的更改及更改后需要达成的现状。 2）表明质量/工艺改善过程已经开始。 3）变更申请可以解决来自客户或制程过程出现的问题。 为提高产品质量、减少客户投诉或降低成本由需求部门发起的物料或工艺变更申请

  • 2021-12-31
  • 阅读131
  • 下载0
  • 10页
  • docx

工程机械行业5G移动通信技术应用探索

5G移动通信技术在工程机械领域的智能化应用进程正在加速，结合车载以太网、CAN总线、视频、机器学习等技术，越来越多的工程机械行业单机智能化试点案例成功落地，彰显了5G移动通信技术的基础支撑作用，强化了工程机械后市场增值过程中人机交互、作业安全性、作业舒适性、作业效率、作业质量等价值。5G+工程机械的新功能、新应用、新模式方兴未艾。

  • 2021-12-30
  • 阅读93
  • 下载0
  • 13页
  • docx

GPU在联邦机器学习中的探索

在人工智能领域，传统数据处理模式往往是一方收集数据，再转移到另一方进行处理、清洗并建模，最后把模型卖给第三方。但随着法规的完善和监控愈加严格，数据离开收集方或者用户不清楚模型的具体用途都可能会导致运营者触犯法律。为应对隐私泄漏风险，世界各国都采取了相应的措施。2018 年欧盟出台了首个关于数据隐私保护的法案《通用数据保护条例》。国内从 2009 年开始，出台了一系列隐私保护法案，数据隐私的保护正逐步严格化和全面化。

  • 2021-12-30
  • 阅读80
  • 下载0
  • 10页
  • docx

隐私安全计算之联邦学习

人工智能时代兴起，数据资源成为维持相关产业的基础原料，是否能够获取相关海量数据能力成为制约产业发展重要因素。然而，由于数据安全问题、竞争关系等因素，数据在各个行业甚至公司的内部以“数据孤岛”的形式存在，随着数据隐私安全问题突出，国家管控越来越严格，先后发布《网络安全法》等法律法规，在社会层面上，用户对个人隐私数据越发重视。以往科技巨头它们通过提供基于云的AI解决方案以及API，获取大量高质量的业务和个人数据模式，在未来发展中可能受到极大的限制。为此，研究如何在保护隐私和安全的前提下，解决数据孤岛问题实现数据共享需求越来越突出，隐私计算受到极大重视，联邦学习应运而生。

  • 2021-12-30
  • 阅读109
  • 下载0
  • 5页
  • docx

人工智能新技术：联邦学习的前世今生

如果投票问人工智能和大数据应用领域有什么好玩又好用的新技术，“联邦学习”一定是排在前列的。这项技术由谷歌在2016年首次提出，从2018年8月开始在国内快速发展和普及，截至2020年2月，有公开资料可查的联邦学习研究或应用单位已超过百家，阿里、微众、京东、腾讯、华为、平安等各领域的头部企业均在大力推进。身边做技术和业务的朋友都在说：忽如一夜春风来，联邦学习突然就在圈子里传播了，在聊天中不发表点联邦学习的看法都不好意思。

  • 2021-12-30
  • 阅读99
  • 下载0
  • 13页
  • docx

用机器学习预测药物在靶点上的停留时间

药物在靶点上的停留时间（即与特定蛋白靶点结合的持续时间），在某些蛋白家族中，对药效的影响比结合亲和力更重要。为了在药物发现中对停留时间进行有效的优化，需要开发能够预测该指标的机器学习模型。预测停留时间的主要挑战之一是数据的匮乏。本章概述了目前所有可用的配体动力学数据，提供了一个迄今为止最大的GPCR-配体动力学数据资料库（公开来源）。为了帮助解读动力学数据的特征（这些特征的纳入对于预测停留时间的计算模型是有益的），我们总结了影响停留时间的实验证据。最后，概述了用机器学习预测停留时间的两种不同的工作流程。第一个是根据配体特征训练的单靶点模型；第二个是根据分子动力学模拟产生的特征来训练的多靶点模型。

  • 2021-12-30
  • 阅读93
  • 下载0
  • 17页
  • docx

研究综述：机器学习在社会科学中的应用

随着数据的可得和计算机软硬件的发展，机器学习技术在业界及自然科学领域已经得到了广泛地应用。在社会科学领域，该技术使用虽然起步较晚，但发展也非常迅速。本文目的旨在系统介绍机器学习在社会科学中的应用。在简单介绍定义，在业界及自然科学领域的应用后，我们将从数据生成、预测以及因果识别（DID，RD和IV）三方面详细介绍机器学习在社会科学中的应用。局限于社科因果识别方法论的成熟及样本量限制，我们认为机器学习虽然拓展了社会科学研究的边界，但并不会颠覆现有研究范式。最后，本文从学界不平等及可复制性等方面讨论了该技术在应用过程中可能带来的问题。

  • 2021-12-30
  • 阅读98
  • 下载0
  • 40页
  • docx

捍卫数据隐私：联邦学习在临床预测模型中的应用

标准机器学习方法需要在一台机器或数据中心把数据集中起来训练模型，这需要同时处理多家医疗机构的数据，用于临床预测模型的训练。但医疗数据有着极高的敏感性，包括数据的权属问题、数据的隐私问题、数据的合规问题等，这均要求在保证数据绝对安全、合规的前提下进行机器学习模型的训练。如何在医疗数据不出医疗机构安全域的前提下进行一个模型训练，这是联邦学习（Federated learning）兴起的背景。联邦学习使得不同医疗机构能够协同学习、共享预测模型，同时将所有训练数据保存在各自医疗机构内部，从而将机器学习的能力与数据集中存储脱钩。

  • 2021-12-30
  • 阅读77
  • 下载0
  • 7页
  • docx