• 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

安全风控技术的研究与实践探索

风控技术客户端安全难题困扰公开资料或多或少存在不足传统方案老,攻击下限底,对抗难度大;效率、稳定、可信等缺乏大量验证安全、调优、合规,协同难度高安全固重要,业务更优先;最小化原则,不可侵犯隐私现实环境极其复杂,没有"银色子弹"并非所有设计都能符合预期;没有“劳永逸”的解决方案;"现网教你做人”

  • 2021-07-19
  • 阅读668
  • 下载0
  • 43页
  • pdf

深度强化学习在智能城市领域应用介绍

深度强化学习是近年来热起来的一项技术。深度强化学习的控制与决策流程必须包含状态,动作,奖励是三要素。在建模过程中,智能体根据环境的当前状态信息输出动作作用于环境,然后接收到下一时刻状态信息和奖励。 以众所周知的AlphaGo为例,盘面就是当前的状态,动作就是下一步往哪里落子,奖励就是最终的输赢。整个强化学习过程就是不断与环境交互,在交互的过程中产生数据,并利用这些交互产生的数据来学习的过程。正是在深度强化学习的帮助下,AlphaGo得以横扫世界级顶尖棋手。所以相比于有监督学习方法,深度强化学习在特定场景下可以达到超越人类的水准。 在围棋领域大放异彩之后,深度强化学习也在不断地拓展着自己的疆域,游戏、金融等越来越多的领域也出现了深度强化学习的身影。现代城市作为人类生产、生活的核心区域,是一个汇聚了交通、物流、能源等多个产业的复杂综合体。如果能够优化这种复杂结构,那么将会带来巨大的社会价值。而强化学习恰好可以做到这件事情。本文将为大家介绍几个强化学习在智能城市领域的应用案例。

  • 2021-07-21
  • 阅读750
  • 下载0
  • 6页
  • docx

基于人工智能技术的诊后管理平台构建

将人工智能技术应用于诊后管理服务流程和服务模式,研究适用于诊后随访场景的多模态人机交互技术与自然语言理解技术,构建以医疗为基础、以患者为中心的诊后管理体系和及时高效、全方位的智能化诊后管理服务平台,解决当前国内诊后管理所面临的信息采集不便、方式单一、效率低下、过度依赖人工等痛点问题,打通医患之间沟通的重要桥梁,提升对患者离院后的关怀与患者的医疗服务“获得感”,促进医患关系和谐,提升医疗服务质量与水平。

  • 2021-07-20
  • 阅读555
  • 下载0
  • 6页

工智能技术在钢铁行业中的应用研究

中国钢铁工业经历多年高速发展,当前正处于“高产量、高成本、低价格、低效益”的粗放发展向高质量发展转变的过程中,在市场需求方面向小批量、多品种、定制化的趋势发展。中国钢铁企业依旧面临严峻挑战,除受上游原材料行业和下游钢铁产品深加工行业的双重影响外,钢铁企业自身产品结构不合理、生产管控水平低、能源消耗高以及产品质量稳定性差等问题也是影响企业竞争力、限制企业持续性发展的内在重要因素。

  • 2021-07-20
  • 阅读631
  • 下载0
  • 7页
  • docx

从制度看中国在人工智能发展中的现状

第四次产业革命正在快速兴起。人工智能是这次产业革命的核心内容之一。构成产业革命的创新都是革命性创新。这类的创新具有特别高的不确定性。人工智能前沿工作的发展,包括基础研究、应用研究、初创企业,都属于这类性质。

  • 2021-07-26
  • 阅读523
  • 下载0
  • 10页
  • docx

混合云平台打破数据壁垒,人工智能激活数据价值

数字经济时代,作为塑造企业未来竞争力的关键,数据的价值正受到越来越多企业的关注。与传统生产要素相比,数据作为新型生产要素,具有更强的可复制性、更易共享、且可无限增长和供给,使突破有限自然资源供给对经济增长制约成为可能,对培育经济发展新动能、开辟发展新道路具有重要意义。如今,许多企业都将数据作为战略资源与核心资产,并致力于将数据贯穿于研发、设计、生产、运营、管理、服务等各个环节,推动企业经营管理由经验依赖向数据驱动转变,进而实现智慧型企业、认知型企业的转型。

  • 2021-08-26
  • 阅读609
  • 下载0
  • 5页
  • docx

基于一阶和二阶信息图像表示的人脸识别

基于一阶和二阶信息图像表示的人脸识别

  • 2021-08-23
  • 阅读584
  • 下载0
  • 5页
  • pdf

考夫曼:破解大脑代码并创建真正的人工智能

“人类级AI”,“真实AI”或“硬AI”指的是一种完全独立于思考,行动和模仿人类级智力和独创性的能力的人工智能级别-您无法区分的AI考夫曼在问他真正的人工智能意味着什么时说。“人类级AI是科幻电影和书籍中经常描述的AI类型,而我们尚未实现。”

  • 2021-08-23
  • 阅读606
  • 下载0
  • 3页
  • docx
上一页 1 …… 2425262728293031323334 …… 75 下一页 共 593 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

人工智能大模型分类体系、技术特点及主流厂商概览

语言模型、视觉模型、语音模型、视频模型、时序模型,分别对应文字、图像、声音、视频、连续传感器数值,通用大模型,垂类大模型,AI

  • 阅读95
  • 下载2

工业时序基础大模型技术发展综述

时序大模型是面向时间序列数据的基础大模型,以 Transformer 等架构为核心,通过在海量多领域时序数据上进行预训练,学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练,时序大模型具备强大的迁移能力,只需少量样本微调或零样本提示,即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中,它能够直接处理传感器、设备测点产生的海量时序信号,挖掘设备状态演变规律,支撑设备故障预警、工况识别与生产趋势预判,为工业智能落地提供底层模型能力。如:中服云的CServerAIR

  • 阅读932
  • 下载8

2026“人工智能+”行业发展蓝皮书

2025年,全球人工智能市场规模达到3909亿美元,中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张,制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初,中国日均词元(Token)调用量为1000亿;至2025年底,跃升至100万亿;2026年3月,已突破140万亿,两年增长超千倍。这些数字背后,是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。

  • 阅读2729
  • 下载8

中服云能碳管理平台V5.0

中服云能碳管理系统依托中服云工业物联网底座打造,聚焦工业企业能耗管控与碳资产管理需求。 系统整合水、电、气、热等多类能源数据,实现用能实时采集、集中监测、智能分析。 依托数字化手段精准核算碳排放总量,助力企业摸清碳排底数、合规完成台账管理。 通过节能诊断、能耗优化策略推送,有效降低生产能耗与运营成本。 全方位赋能企业绿色低碳转型,筑牢安全生产与节能减排双重发展防线。

  • 阅读3169
  • 下载14

最新上线

超硬材料智慧园区方案

超硬材料制品是典型的“材料—工具”型制造:金刚石刀头、锯片、工程钻、磨轮,最终用在石材与建材加工、路面与混凝土切割、玻璃与陶瓷、半导体与蓝宝石加工。产品小批量、多品种,工艺链却很长。 这条工艺链把同一道围墙切成几段:压制、烧结、焊接、磨削与检测分散在不同厂房,一段停摆,整批报废。以下痛点与解法取自一座已投运的园区平台,数据为界面实测值,企业名称脱敏。

  • 阅读24
  • 下载0

中服云工业物联网平台在印刷装备制造行业的应用

印刷机械是装备制造中比较典型的一类产品:单机价值高、定制化程度高、客户分散在全国各地的包装与印刷车间,一台凹版印刷机开机就是十几年。设备卖出去了,服务却要跟十几年——这是行业共同的结构性难题,也是工业物联网在装备制造领域最容易见效的地方。 本文以一个真实的落地样本为观察对象:一家印刷机械制造企业把 178 台在役设备接进了自己的远程运维系统,系统的底座选用中服云工业物联网平台的设备版。下文按“行业之困、平台解法、落地成效、可复制经验”四步展开。

  • 阅读48
  • 下载0

中服云数字孪生系统在石油和天然气开采业的应用案例(痛点·方案·成效)

石油和天然气开采业的生产对象在地下,管理的关键环节在地面。从井口到计量间,从转油站、联合站到外输与处理装置,油气田用“井—站—管网”的骨架把分散的资源汇集起来,联合站是这条骨架上设备最密集、工艺最连续、安全要求最高的节点。 这类站场大多已经上了SCADA,数据并不缺。问题在于数据上来之后,新的麻烦更清楚了:设备家底说不清,画面说不清位置,报警说不清先后。本文按“痛点—解决方案—成效”的顺序,说明中服云物联网平台与数字孪生平台如何分工配合,逐条解决这些问题。

  • 阅读53
  • 下载0

中服云物联网与数字孪生平台在油气作业现场的应用

油气田的地面作业现场有一个共同特征:设备搬着走、电源跟着换、负荷忽高忽低。钻修井井场靠网电、柴油发电机组、储能、光伏凑出一套临时电力系统;压裂井场更极端,几十台电驱压裂泵并联运行,瞬时功率爬升快,砂罐、混砂、供液、仪表车密集停放,作业段集中、单段时长以小时计。 这两类现场的管理难题是同一类:能耗与碳排放算不清、设备状态看不见、峰值容量报不准、多能协同靠经验。中服云用同一套工业物联网平台加数字孪生平台,把这两类现场做成了可以被“看懂、算清、考核”的对象。本文以已投运的钻修井现场为实测样本,说明平台在野外作业领域的典型应用,并给出向压裂井场复制的路径。

  • 阅读49
  • 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