云计算、大数据是信息经济的基础,也是其他五大中心的支撑,是杭州实施“互联网+”战略的突破口。杭州有产业基础、企业优势发展氛围,只要实现资源有效集聚、龙头企业示范引领、核心技术创新突破,打造全国云计算大数据产业中心水到渠成。
财务共享服务,是一个集团型企业对其各级财务组织进行职能重构的方式,主要发生在核算结算等交易处理类财务活动领域。这种由财务共亨服务中心面向各单位提供核算结算服务的做法,在国内国外都已皇大势所趋。
人机料法环是对全面质量管理理论中的五个影响产品质量的主要因素的简称。一篇关于人、机、料、法、环的解析文章,请收好!
通过信息资源的整合与共享,更有效发挥信息资源在园区管理与决策、服务园区员工中的作用。应用面涉及从园区物业的资源管理、园区企业的信息化管理、基于地理空间的园区商业决策分析等,从而促进园区数字化进程。通过园区的数字化、信息化来实现园区的数字化、信息化和智慧化。
如何带领你的企业成为数字化冠军、构建完整的数字化生态?本文将围绕四大业务生态系开展分析。 这四大业务生态体系同时也是企业最基本的业务层面,覆盖了企业活动的方方面面,是数字化价值链提升的基础。每个生态体系都涵盖了一系列的企业内外部活动,并通过数字化的连接和实践将这些活动联系在一起。
翻转课堂( The Flipped Classroom ) :美国的基金公司分析员Salman Khan通过自己制作的微课件为表妹纳迪娅补课的模式获得巨大成功。目前美国每天有上百万中学生晚上在家观看Khan学院的数学教学视频,第二天则跟同学一齐在教室做作业,遇到问题有老师和同学可以请教。这跟传统的“老师白天在教室上课,学生晚上回家做作业”的方式正好相反,被称为翻转课堂。
互联网在中国经过十几年的高速发展,由传统互联网应用,如资讯、视频分享、游戏、社区、电子商务等应用,到目前飞速发展的移动互联网应用,如手机wap应用、客户端联网应用等,而在未来几年基于三网融合(电信网、广播电视网和计算机通信网)的全新互联网应用将给用户带来全新的体验。
绿色数据中心设计理念,采用多项自主知识产权/专利技术,按需供电,PUE达到1.6,节能环保效果显著。符合TIER4标准设计,高性能、高质量,面向高端企业客户的数据中心。
没有账户,需要注册
本工程建筑为办公生产大楼,由地上32层、地下3层组成;其中1-5层为裙楼、6-32层为塔楼。地下1-3层含停车场、人防、设备用房;地上部分:主楼一层含公共大厅;5为设备转换层,11、22层为避难层,33层设置机房;6-10层、12-21层、23-32层为办公生产用房。
随着能源互联网的发展,能源系统智能化特征越来越突出,能 源开发、生产、传输、存储、消费 全过程的智能化水平快速提升,所 涉及的设备和系统将数以亿计,在 规划和运行过程中将产生海量数据, 且结构复杂、种类繁多、因实时性 要求高而快速增长。这些数据贯穿 着能源互联网各个环节,蕴含着巨 大的价值。
技术开发的迭代推进和技术应用的规模化积累,在推进数字技术不断取得新突破的同时,也使数字技术变得更加成熟和可靠。数字技术的先进性、复杂性、集成性与数字化系统覆盖面更广、界面更直观、操作更简单同步发展。人们能够随时随地访问功能越来越强大的数字化系统。
本工程为单缆无源系统,将为大楼提供全面无线通信信号覆盖,所设计的室内覆盖系统是为智能化大楼室内移动通讯信号覆盖的需要而提出的
近年来,深度学习技术的重大进步促进了能源系统智能健康监测方法的发展。然而,在处理核能系统等安全关键能源系统时,具有点估计的传统深度学习模型无法解释预测中的固有不确定性,这一局限性对为关键操作提供可靠和值得信赖的决策支持提出了挑战。为了克服这一挑战,本研究提出了一种新的智能监测方法,该方法集成了不确定性感知的深度神经网络。首先,提出了一个基于时空状态矩阵的信号预处理方法,以提高特征提取能力,从而有效地整合各种多源数据。其次,开发了一种概率分布,为所有网络参数生成预测不确定性,从而能够评估模型输出的置信度,不仅适用于已知的操作场景,也适用于未知的操作场景。最后,使用已建立的先进核能研究平台和公共核事故模拟平台进行实验,确保所提出方法在实际环境中的有效性和适用性。总体而言,拟议的方法显著提高了监测输出的可靠性和可信度,同时降低了与安全关键能源系统决策过程相关的风险。关键词:安全关键能源系统、不确定性感知深度学习、智能健康监测、值得信赖的决策。
随着工业4.0技术的发展,降低维护成本并结合深度学习(DL)技术确保新型核系统的安全是一种流行趋势。本文提出了一种基于设计的自适应残差卷积神经网络(ARCNNs)的小型模块化反应堆(SMR)智能故障检测与诊断系统(lFDD)。不同噪声水平下的特征被学习为残差,并通过设计的网络传递。此外,自适应残差处理(ARP)模块中组装的软阈值(ST)方法提高了学习效率。采用贝叶斯优化(B0)方法提高设计网络的学习衰减率(LDR),以获得更好的诊断性能。从已建立的中国铅基核反应堆(CLEAR)平台上收集了11种不同操作场景下三种不同噪声水平的1760个实验数据点,以验证所提出的LFDD的有效性。与以往工作中采用的传统RCNN和CNN的比较突显了所提出的诊断方法的优越性。使用B0方法进一步提高了lfDD的性能。作为SlMR智能研究的首次尝试,该方法将为无人值守条件下的核操作员提供远程决策支持。此外,该通用方法也可应用于其他无噪声环境下的诊断系统。关键词:故障检测与诊断、深度学习、残差CNN、贝叶斯优化、小型模块化反应堆。
在核能生产中,随着大数据和工业4.0时代的不断创新和挑战,保证无故障运行安全将变得更加复杂和智能化。本文提出了一种新的具有小批量处理的优化卷积神经网络(SCNN),并将其组装在核故障诊断系统中。使用包含全部316个模拟器传感器特征的11种正常和故障条件来评估所提出的诊断系统的性能。与正常操作和在相同条件下添加退出操作相比,使用SCNN进行批量归一化的应用显著优化了模型验证的准确性和100个迭代下的损失。此外,通过比较传统的二元和多重分类方法,突出了出色的诊断准确性。该诊断系统实现了更精确的诊断准确性,将为操作人员提供有益的指导,帮助他们做出准确快速的决策,确保核能生产安全。关键词:卷积层可视化、卷积神经网络、深度学习、故障诊断、核能生产、小批量处理.
未知异常工况的发现是精细化工业生产的关键,集群工业时间序列是发现未知工况类型的有效方法。然而,从工业时间序列中发现未知的异常工作状态对现有的时间序列聚类方法来说是一个挑战。本研究提出了一种新的先验知识增强无监督形状集学习方法,通过可解释的子序列发现异常和有意义的工作状态。提出了一种先验特征提取模块,将先验知识转化为数据模型的可识别形式。先验知识包含异常工作状态信息,知识增强聚类模块可以通过将先验特征与数据特征相结合来学习表示异常工作状态的信息形状集。此外,先验知识和数据的偏好在学习阶段会自我调整。对实际铝电解过程、模拟田纳西伊斯曼过程和连续搅拌槽加热器过程的数值试验结果验证了所提出方法的优越性能。所提出的方法为先验知识和数据模型的融合提供了新的视角。它还为解决工业过程中异常未知工况发现问题提供了一种新方法。关键词:先验知识,铝电解,时间序列,Shapelet,聚类
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南