• 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297
  • 下载0
  • 6页
  • pdf

基于遗传算法的灰色非线性水环境管理模型及应用_周科

以郑州市贾鲁河水环境治理规划为基础,统筹考虑到治理区域内的工程建设、水环境改善策略、污水处理厂建设运行以及配套水库调度等,构建了灰色非线性水环境管理模型,并选择遗传算法作为计算手段,对该模型进行了求解。构建的模型同时考虑到了治理区域内的污水处理厂优化运行、南水北调补水、区域内3个生态湖泊与治理河段的净化能力等。通过优化运行协调,实现了运行费用经济合理、水生态环境改善、水质达标等多项治理目标。研究结果表明,基于遗传算法的灰色非线性规划在区域水环境治理中的应用潜力十分显著。

  • 2021-05-03
  • 阅读293
  • 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291
  • 下载0
  • 6页
  • pdf

采用置信度风险测度的鲁棒发电计划模型及算法_李鹏飞

针对大规模风电并网所带来的电网运行调度的不确定性及运行风险,提出基于置信度风险测度的鲁棒发电计划模型及求解算法。首先,提出一种新的风险测度—置信度风险测度(Riskα),对于既定置信度α及相应的风电功率预测区间,以弃风风险值与切负荷风险值的和构成置信度综合风险测度,以量化风电实际功率超出风电可接纳域的风险。在此基础上,以发电成本和置信度风险之和最小为优化目标,构建计及置信度风险测度的鲁棒发电计划模型及分解求解算法,同时优化机组组合决策和风电可接纳域,使得所制定的发电计划方案实现经济性和运行风险之间的均衡。最后,通过算例证明算法的正确性及有效性。

  • 2021-05-06
  • 阅读291
  • 下载0
  • 8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295
  • 下载0
  • 8页
  • pdf

基于改进HMM模型的3D景区地图匹配算法_黄娟娟

针对GPS误差和地图系统误差导致3D地图定位精度较低的问题,提出一种基于改进隐性马尔科夫模型的地图匹配算法。使用面积重叠法获取候选路段,引入距离、道路宽度和历史定位点计算观测概率,利用路网拓扑信息、游客行为特性、景点与道路的相关性计算转移概率,采用Viterbi算法得出最优匹配路段。在Unity3D平台上实现景区场景3D可视化,利用校园地图进行实验验证,结果表明,该算法匹配精度达到95.4%,在3D景区导航中具有良好的实用性和较高的准确性。

  • 2021-05-06
  • 阅读292
  • 下载0
  • 8页
  • pdf

一种多参量决策的非侵入式负荷辨识算法评价模型_肖勇

随着非侵入式负荷监测技术的广泛研究,负荷辨识算法种类繁多,然而负荷辨识算法的性能通常以准确率等单一因素进行评价,导致算法性能评价不合理等问题。为此文章提出一种基于多参量决策的算法综合评价方法。该方法依据现有的算法评价的各项指标为基础,采用递阶层次结构模型构建非侵入式负荷辨识算法评价体系,然后采用各层次之间不同影响因素的权重比例方法,确定判别矩阵并进行一致性检验,最后根据归一化计算得到算法性能评价值,实现算法性能的有效评价。实验结果表明文中所提评价指标体系和综合算法评价模型能够有效评价算法性能,为后续推广应用奠定基础。

  • 2021-05-06
  • 阅读293
  • 下载0
  • 7页
  • pdf

基于最小电流误差的单相级联H桥整流器模块化模型预测控制算法_吴瑕杰

针对具有n个H桥的单相级联型(cascaded H-bridge,CHB)整流器,提出一种基于最小电流误差的模块化模型预测控制算法。该算法将每一个H桥视为独立的整流器,采用串行计算模式,逐个完成各H桥对应最优调制函数的计算。采用特定的补偿算法,降低了网侧电压、电流的采样率。针对单个H桥,采用基于最小电流误差的模型预测算法,将电容电压平衡控制嵌入到单个H桥最优调制函数的计算中,有效减小了电容电压平衡控制的实现复杂度,并使得该算法通过简单地修改即可适用于具有不同数目H桥的单相CHB型整流器。另外,使用基于二阶广义积分器的锁相环获取单相CHB型整流器网侧电压、电流在a-b坐标系下的分量。

  • 2021-05-06
  • 阅读610
  • 下载0
  • 11页
  • pdf
上一页 1 …… 4344454647484950515253 …… 81 下一页 共 643 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

2025年车路云一体化系统云控基础平台功能场景参考架构报告2.0

汽车智能化网联化融合发展已经成为全球政府、产业界的发展共识,各国通过升级政策法规、推动测试示范、加速创新应用等方式推动智能网联汽车产业发展。2024年1月,我国启动智能网联汽车“车路云一体化”应用试点,推动车路云一体化从技术验证迈向规模化应用。

  • 阅读98
  • 下载1

2025年中国新锐品牌全球成长白皮书

过去十年,中国消费市场的高速迭代催生了一批极具活力的新锐品牌。它们凭借对消费趋 势的敏锐洞察、柔性灵活的供应链体系以及成熟的数字化运营能力,在国内细分市场中迅 速崛起,创造了一个又一个“爆款神话”。

  • 阅读86
  • 下载2

中服云多模态工业物联网平台介绍

中服云作为国内著名的专业工业物联网平台系列产品提供商,历经十余年深耕发展,已构建起成熟的全系列多层次产品体系,精准适配不同行业、不同规模用户的差异化需求。凭借在工业数据采集、边缘计算、人工智能、数字孪生等领域的深厚技术积累与持续创新,中服云已为海量工业企业提供了稳定可靠的数字化转型解决方案。平台支持云端SaaS在线部署与用户现场私有化部署两种模式,既满足中小企业轻量化、低成本的在线使用需求,也保障大型企业对数据安全、定制化服务的高标准要求。

  • 阅读97
  • 下载0

中服云工业物联网平台数字孪生版技术原理与功能介绍

中服云数字孪生平台以物联网平台+数据中台为坚实基础,以2D/3D/GIS为核心展示形式,致力于打造一个从设备原始数据到孪生应用落地的一站式数智化平台。

  • 阅读138
  • 下载4

最新上线

智慧物流园区信息化趋势

区别于传统消防联网模式,在符合GB50440要求的同时,将互联网思维融入消防信息化管理,将离散在园区各个消防设施实时状态信息有效整合在统一系统上。

  • 阅读54
  • 下载0

2025全球人工智能展望报告

2025 年,人工智能正式迈入 “智能体元年”,AI Agent?成为驱动产业变革的核心力量,硬件迭代、多模态融合、世界模型演进共同推动行业从 “被动响应” 向 “主动解决复杂问题” 跨越。

  • 阅读10
  • 下载0

算力是人工智能的基础设施

机器学习与深度学习有着明显的异同点 在数据准备和预处理方面,两者是很相似的。他们都可能对数据进行一些操作:数据清洗、数据标签、归一化、去噪、降维。核心区别:传统机器学习的特征提取主要依赖人工,针对特定简单任务的时候人工提取特征会简单有效,但是并不能通用;深度学习的特征提取并不依靠人工,而是机器自动提取的。这也是为什么都说深度学习的可解释性很差,因为有时候深度学习虽然能有好的表现,但是我们并不知道他的原理是什么。

  • 阅读23
  • 下载0

2026六大未来产业发展趋势与人工智能八大落地场景洞察

2025年是中国人工智能规划中期规划的关键节点,AI场景解决方案从“能用”到“有用”到“好用”在垂2025年中国AI产品在用户规模与产品数量上已具备全球竞争力

  • 阅读24
  • 下载0
  • 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