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

99R101燃煤锅炉房工程设计施工图集

99R101 燃煤锅炉房工程设计施工图集

  • 2021-09-03
  • 阅读469
  • 下载0
  • 489页
  • pdf

平头哥剑池cdk快速上手指南

平头哥联合阿里云社区推出了蓝牙电子书及语音电子书：《无需从 0 开发平头哥教 你 1 天上手蓝牙 Mesh 应用方案》，《无需从 0 开发 1 天上手智能语音离在线方案》，受 到了广泛好评。同时有许多用户反馈在开发过程中 SDK 的定义与生成方式的问题，为了解 决用户在剑池 CDK 开发环境中制作自定义 SDK 的问题，我们特别推出本书《平头哥剑池 CDK 快速上手指南》，方便开发者可以自定义自己平台的 SDK。

  • 2022-02-07
  • 阅读468
  • 下载0
  • 36页
  • pdf

【ASC】滑动窗口双通道CNN(SWDC-CNN)：一种同步预测水泥煅烧过程煤耗和耗电量的新方法

作为加工业的代表，水泥行业消耗了大量的煤电资源。这主要是由于水泥行业内部粗生产和各能耗指标独立统计造成的能源调度不合理。能耗的同步精确预测可以为生产控制过程和能源调度提供更有效的方案。然而，由于生产的时间延迟、变量耦合和不确定性，很难同步预测多个指标。本文提出了一种结合滑动窗口和双通道卷积神经网络（SWDC-CNN）的数据驱动预测方法，以实现未来5分钟的煤耗和电力消耗同步预测。滑动窗口方法用于提取时间序列数据的时变延迟特性，以克服其对能耗预测的影响。通过设计双通道结构，减少了弱相关变量之间冗余参数对能量预测的影响。我们在山西省的实际水泥生产数据上试验并比较了支持向量机（SVM）、极限梯度提升（XGBoost）、递归神经网络（RNN）、长短期记忆（LSTM）和门递归单元（GRU）等优秀模型。实验结果表明，所提出的SWDC-CNN模型性能良好，预测精度最高，能够满足预期要求。

  • 2024-05-11
  • 阅读468

商业银行数字化转型中的数据治理

2020年4月9日,《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》将数据作为一种新型生产要素，与土地、劳动力、资本、技术等传统要素并列，并明确要加快培育数据要素市场，推进政府数据开放共享、提升社会数据资源价值、加强数据资源整合和安全保护。

  • 2022-11-21
  • 阅读468

智能制造系统IMS

智能制造技术是指利用计算机模拟制造专家的分析、判断、推理、构思和决策等智能活动，并将这些智能活动与智能机器有机地融合起来，将其贯穿应用于整个制造企业的各个子系统（如经营决策、采购、产品设计、生产计划、制造、装配、质量保证和市场销售等）,以实现整个制造企业经营运作的高度柔性化和集成化，从而取代或延伸制造环境中专家的部分脑力劳动，并对制造业专家的智能信息进行收集、存储、完善、共享、继承和发展的一种极大地提高生产效率的先进制造技术。

  • 2021-04-15
  • 阅读467
  • 下载0
  • 8页
  • pdf

电池系统管理|电池单体-电池包老化模型搭建概述

目前的寿命模型更多地应用于电池性能评估，基本无法在线应用。——结论

  • 2024-11-17
  • 阅读467

第50步深度学习图像识别：Data-efficientImageTransformers建模（Pytorch）

Data-efficient Image Transformers (DeiT)是一种用于图像分类的新型模型，由Facebook AI在2020年底提出。这种方法基于视觉Transformer，通过训练策略的改进，使得模型能在少量数据下达到更高的性能。 在许多情况下，Transformer模型需要大量的数据才能得到好的结果。然而，这在某些场景下是不可能的，例如在只有少量标注数据的情况下。DeiT方法通过在训练过程中使用知识蒸馏，解决了这个问题。知识蒸馏是一种让小型模型学习大型模型行为的技术。 DeiT中的关键技术之一是使用学生模型预测教师模型的类别分布，而不仅仅是硬标签（原始数据集中的类别标签）。这样做的好处是，学生模型可以从教师模型的软标签（类别概率分布）中学习更多的信息。另外，DeiT还引入了一种新的训练方法，称为“硬标签蒸馏”，这种方法更进一步提高了模型的性能。通过这种方法，即使在ImageNet这样的大规模数据集上，DeiT也可以与更复杂的卷积神经网络（如ResNet和EfficientNet）相媲美或者超越，同时还使用了更少的计算资源。

  • 2024-03-18
  • 阅读466

东南大学研究团队：基于改进粒子群算法的无线充电系统参数优化

基于LCC-S型补偿拓扑的磁耦合谐振式无线充电（MCR-WPT）系统，建立其数学模型，从工作频率、补偿电感和负载阻抗三个方面分析其对系统传输性能的影响。针对目前高阶补偿拓扑的参数难以达到最优配置的问题，以提高系统的传输效率为优化目标，以输出功率为约束条件，建立其优化模型，对高阶非线性参数最优配置问题进行优化。为避免优化结果陷入局部最优，提出一种基于种群进化的混合粒子群优化（HP？SO）算法，并基于LCC-S型无线电能传输（WTP）系统优化模型对传统的粒子群算法和改进的算法进行仿真对比。结果表明改进的粒子群算法可有效地避免优化结果陷入局部最优。最后，搭建了无线充电系统实验平台，对系统的工作频率特性和负载阻抗特性进行实验分析，实验结果与理论分析和仿真优化结果一致。

  • 2024-11-17
  • 阅读466