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

大数据图数据库之数据分片

对于海量待挖掘数据，在分布式计算环境下，首先面临的问题就是如何将数据比较均匀地分配到不同的服务器上。对于非图数据来说，这个问题解决起来往往比较直观，因为记录之间独立无关联，所以对数据切分算法没有特别约束，只要机器负载尽可能均衡即可。

  • 2023-02-14
  • 阅读478

内控制度0：《德钦-内控手册与内控基础》

内部控制和风险管理是公司治理的有机组成部分，正如内部和外部审计的由来一样。像种子一样有一种内生的要求。 一颗好的苗子注定会在阳光雨露中茁壮成长，一个好的企业注定会在良好的治理环境中不断提升风险管理的水平。 风险管理的范畴大于内部控制，它还针对企业外部的各种风险要开展风险应对管理； 内控是风险管理的重要组成部分，是风险诸多风险应对手段中最核心的一种手段，是针对企业内部的可控风险的有效防范体系。 固有风险和剩余风险在全面风险管理工作重视两个重要的定义，提醒管理者在不同层面上可能面临的风险的程度（固有风险、剩余风险）以及作为进一步风险进行应对的基础（剩余风险）。 固有风险：是指假定不存在任何风险管理措施和内部控制，导致企业发生某方面或多方面损失的风险。固有风险考虑的是风险可能造成的最坏影响。

  • 2023-03-26
  • 阅读477

数据治理之数字画像

随着全网步入大数据时代，企业的目光日益聚焦在利用大数据服务精细化营销、精细化运营上，各类客户画像、员工画像理论如雨后春笋般兴起，而数据应用的底层——数据治理，却鲜有整体的理论体系。如何避免治理工作自身“无的放矢”，如何量化数据基础建设的贡献，我们需要为数据治理工作描绘一张“数字画像”。这个命题的内涵外延非常丰富，在此我们选取用户体验、架构质量两个角度进行讨论。

  • 2023-02-03
  • 阅读477

【IEEETIM】Effinformer:一种基于深度学习的DC-DC双向变换器数据驱动建模

本文提出了一种基于深度学习（DL）的数据驱动建模方法，以精确建模和识别广泛用于可再生能源系统（RES）的直流-直流双向转换器。与需要处理大量电路参数并导致模型往往复杂且昂贵的基于电路理论的方法相比，基于DL的方法产生了更简约的模型。然而，典型的DL方案在准确性、稳定性和计算复杂性方面仍然存在局限性。为此，我们提出了一种名为efficient Informer（Effinformer）的端到端DL框架，该框架利用稀疏自注意、一种新颖的基于扩张因果卷积的提取操作和一种增强的解码器来最小化计算复杂性，同时提高建模精度和速度。通过实验结果和分析，与现有的建模技术和当前最先进的DL技术相比，所提出的Effinformer表现出优越的性能。然后，我们将所提出的网络进一步扩展到长期预测场景，以展示其出色的泛化能力和优雅的鲁棒性。大量实验表明，从处理纹波干扰和异常值的角度来看，Effinformer更有利于提高预测的准确性和可靠性。这一特性使其在实际工程应用中非常有利。

  • 2024-05-11
  • 阅读476

【IEEETIE+代码】基于注意力的深度学习方法预测机器剩余使用寿命

对于机械系统的预测和健康管理，一项核心任务是预测机器的剩余使用寿命（RUL）。目前，具有自动特征学习的深度结构，如长短期记忆（LSTM），在RUL预测方面取得了很好的性能。然而，传统的LSTM网络只使用最后一个时间步的学习特征进行回归或分类，效率不高。此外，一些具有领域知识的手工制作的特征可能会为RUL的预测提供额外的信息。因此，将这些手工制作的特征和自动学习的特征集成到RUL预测中是非常有动力的。在这篇文章中，我们提出了一种基于注意力的深度学习框架，用于机器的RUL预测。LSTM网络用于从原始数据中学习序列特征。同时，所提出的注意力机制能够学习特征和时间步长的重要性，并为更重要的特征和时间步分配更大的权重。此外，开发了一个特征融合框架，将人工生成的特征与自动学习的特征相结合，以提高RUL预测的性能。对两个真实数据集进行了广泛的实验，实验结果表明，我们提出的方法优于现有技术。 关键词：注意力机制、特征融合手工特征、长短期记忆（LSTM）、机器剩余使用寿命（RUL）预测、预后和健康管理（PHM）。

  • 2024-12-01
  • 阅读476

研究梳理与未来展望‖机械故障诊断深度学习方法总结

在设备的故障检测中，有约30%-40%的设备故障是由轴承故障引起的，因此本文将列举有关检测轴承故障使用到的相关数据集，模型和算法。

  • 2025-02-12
  • 阅读476

【IEEETIM】基于双非负绞杀的LSTM软传感器输入变量选择与结构优化

软传感器作为一种重要的智能检测技术，已广泛应用于现代加工行业，实现对产品质量的有效监测和预测。然而，在实际工业过程建模中，模型输入和结构的冗余通常会导致建模复杂性增加和模型性能下降。在本研究中，提出了一种基于双非负绞杀（DNNG）方法的长短期记忆（LSTM）软传感器输入变量选择和结构优化算法。首先，使用过程数据集构建训练有素的初始LSTM模型，以捕捉工业过程的时间动态行为。其次，将DNNG算法集成到LSTM中，以减少输入变量和隐藏节点的冗余。该策略有效地为模型选择了最一致的输入变量，同时通过消除冗余的递归隐藏节点来简化LSTM结构，以降低模型过拟合的风险。此外，通过将网格搜索与块交叉验证相结合来确定模型的超参数。最后，通过数值算例将所开发的算法与其他最先进的算法进行了比较，并用于预测燃煤电厂脱硫系统净烟气排放中的SO2浓度。对比结果表明，该算法有效地消除了冗余变量，简化了模型结构，同时比其他算法具有更好的预测性能。

  • 2024-06-17
  • 阅读476

S3给水排水标准图集排水设备及卫生器具安装2010年合订本

S3 给水排水标准图集 排水设备及卫生器具安装 2010年合订本

  • 2021-09-06
  • 阅读475
  • 下载0
  • 462页
  • pdf