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

考虑客户满意度的物流末端节点选址模型及算法_肖玉徽

为了解决自取货的物流末端单一节点选址问题,在服务顾客数量和地理位置已知的前提下,考虑最远取货距离的约束,建立以客户满意度模糊隶属度为目标函数的数学模型。为了求解该模型,运用均值聚类给出初始可行节点,以满意度较小的客户为顶点,在分析其合理性的基础上,设计基于三角形外心和等分点的启发式算法优化初始解,算法允许接受一次次优解以避免陷入局部最优,并通过记忆数组来跟踪搜索过程,最终输出过程最优解。最后给出算例分析,证明了所提出的图上寻优算法优于均值聚类和点密度聚类算法。

  • 2021-05-06
  • 阅读488
  • 下载0
  • 6页
  • pdf

银行数字化转型的技术展望

信息化已经进行了几十年，但是还要经历过组件化、自动化、数智化这三个阶段才能完成自己最后的高级阶段。 组件化是要将企业内部的业务充分标准化，并且合理化分工，这是我们开展后边自动化等阶段的一个基础，组件化代表的是业务本身具备了结构化的基础，这样才能开始下一阶段的自动化。

  • 2021-05-06
  • 阅读369
  • 下载0
  • 6页
  • docx

央企数字化转型的重难点及实施路径

大数据、人工智能、移动互联、云计算、物联网等新一代信息技术的发展为企业数字化转型提供了技术支撑。数字化转型并不是对企业以往的信息化推倒重来，而是需要整合优化以往的企业信息化系统，在整合优化的基础上，提升管理和运营水平，运用新的技术手段提升企业新的技术能力，以支撑企业适应数字化转型变化带来的新要求。因此，该公众号将相继推出企业数字化转型的关键技术与问题一系列推文，以期为目标企业数字化转型提供借鉴性思路。

  • 2021-05-06
  • 阅读395
  • 下载0
  • 6页
  • docx

基于一致性预测算法的内网日志检测模型_顾兆军

机器学习是网络安全威胁检测系统的薄弱环节。不断进化的网络攻击利用数据的概念漂移躲避机器学习检测,导致检测模型随时间不断退化。文章通过一致性度量的统计学习方法,缓解基于日志分析的内网安全威胁检测模型的退化问题。相比于基于静态阈值的检测方法,一致性度量的统计学习方法可以动态适应不断进化的安全攻击,感知底层数据的概念漂移,缓解模型退化问题。文章实现了一个基于日志分析的内网安全检测模型,在HDFS数据集上有效发现了概念漂移趋势,缓解了模型退化。

  • 2021-05-06
  • 阅读487
  • 下载0
  • 6页
  • pdf

基于小波_流形学习算法的交通流状态模型研究_何俊林

为了有效刻画交通流状态变化情况,基于小波变换和流形学习算法建立了一种交通流状态模型。该模型首先给出了交通流状态计算指标,其次根据流形学习中的局部线性嵌入方式来分析流量特征,并结合小波变换来降低其突发性。最后选择成都快速通道作为统计对象,深入研究了影响该模型的关键因素,结果表明该模型能够有效刻画实际交通流状态变化,具有较好的适应性。

  • 2021-05-06
  • 阅读496
  • 下载0
  • 6页
  • pdf

考虑融合算法与交叉熵的毕达哥拉斯决策模型_宋娟

针对专家评价信息为毕达哥拉斯模糊数并且属性值信息存在相互关联的多属性决策问题,定义了广义的毕达哥拉斯运算法则,并结合几何Heronian平均,提出了毕达哥拉斯模糊几何Heronian平均（PFGHM）算子；基于对数函数设计了新的毕达哥拉斯模糊交叉熵用于衡量信息之间的差异性；构造了基于PFGHM算子和交叉熵的毕达哥拉斯决策模型,并通过高校引进人才团队的选择实例验证模型的可靠性。

  • 2021-05-06
  • 阅读510
  • 下载0
  • 6页
  • pdf

基于云模型的农产品供应链电子商务信任机制_以供应链成员博弈为视角_仝好林

农产品供应链电子商务处于微妙的市场格局中,而信任是交易的根本,研究供应链成员间信任度对农产品电商发展有重要价值。首先通过调研问卷模式获得大量数据,进而在云模型算法基础上搭建电子商务农产品供应链成员间的信任博弈仿真体系,虚拟电子商务中的各成员节点贸易状态,可知成员间信任度高能带来较高和持久的效益。在此基础上进一步分析信任和农产品供应链电子商务发展间的具体影响因子,设计假定,利用结构方程完成路径系数及显著性分析,结果表明各环节交互,成员间信任度和承诺均对农产品供应链电子商务发展有重要影响。

  • 2021-05-06
  • 阅读495
  • 下载0
  • 6页
  • pdf

基于GoogLeNet模型的剪枝算法_彭冬亮

GoogLeNet包含多个并行的卷积层和池化层,极具表现力,但也导致其参数数量冗余和计算量大,解决该问题的根本途径是将网络稀疏化.剪枝算法通过训练网络、修剪低权重连接和再训练网络三步操作,只保留卷积层和完全连接层中的强相关连接,实现简化网络结构和参数数量的效果,获得近似的网络模型,不影响网络后验概率估计的准确性,达到压缩效果.传统计算方式不适合非均匀稀疏数据结构,所提出的阈值剪枝算法设定合适的阈值,将原始GoogLeNet模型中将近1040万参数减少到65万,大约压缩了16倍.原始网络在进行剪枝处理后,准确率会有所降低,但经过少数次迭代,网络的准确率与原始模型不相上下,达到了压缩模型的效果,验证了阈值剪枝算法对改进GoogLeNet模型训练过程的有效性.

  • 2021-05-06
  • 阅读481
  • 下载0
  • 6页
  • pdf