ChatGPT爆火的背后是人工智能算法的迭代升级。ChatGPT是基于GPT-3.5微调得到的新版本模型，能够借助人类反馈的强化学习（RLHF）技术来指导模型训练，实现模型输出与人类预期的需求，使对话内容更加人性化和富有逻辑性。从2008年第一代生成式预训练模型GPT-1诞生以来，GPT系列模型几乎按照每年一代的速度进行迭代升级，未来随着大语言模型（LLM）技术的不断突破，AI相关应用有望加速落地，AI产业或将迎来新一轮发展机遇。
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。
从260年前的第一次工业革命，到以人工智能、大数据、物联网为代表的数字技术驱动的第四次工业革命，人类社会经历了蒸汽时代、电气时代、信息时代，并正在处于智能时代之中。每一次的跨越式的进步，都是由技术变革带来生产力的大幅提升，并催生出全新的行业，全新的生态，推动着时代不断向前。
中服云方案库，涵盖大数据、AI、物联网、数字化、智能制造、智能家居、智能楼宇、智能建筑、智慧城市、智慧场景、安防、5G+、模型算法、技术软件、行业展望、行业报告等各行各业相关方案资源。
为研究大气压下氮气火花开关的纳秒脉冲击穿过程，采用粒子模拟方法对间隙放电过程进行模拟，获得流注形成发展过程的瞬态物理图像，并对比分析了脉冲前沿对间隙放电过程的影响。模拟结果表明：氮气火花开关的纳秒脉冲击穿过程主要包括两个阶段：流注形成阶段和流注快速发展阶段；流注快速传播阶段流注头部会产生逃逸电子，且光电离反应会导致流注通道形成分叉；流注快速传播阶段的放电通道平均传播速度高于流注形成阶段；脉冲前沿越大，流注传播速度越小，流注形成的临界电压越低，流注贯穿间隙的时延越长，与实验结果一致。
针对输电线路异物检测中存在背景干扰、图像分辨率低且异物尺度变化大等问题，提出了一种基于改进YOLOv7的输电线路异物检测模型。首先，通过空间深度卷积（space to depth conconvolution，SPD-Conv）和多维协作注意力（multidimensional collaborative attention，MCA）机制构造新的骨干网络，加强模型对低分辨率图像特征提取及抑制背景干扰的能力，同时增加对小目标异物的关注度。其次，使用幻影卷积（ghost convolution，Ghost-Conv）改进高效分层聚合网络（efficient layer aggregation network，ELAN）的输出部分，大幅降低模型的计算量。最后，基于可伸缩交并比（scalable intersection over union，SIoU）优化损失函数，进一步提高模型的训练速度和鲁棒性。实验结果表明，所提模型在输电线路异物检测数据集上平均精度均值（mean average precision，mAP）达到95.98%，高于其他主流对比模型，同时每秒帧数（frames per second，FPS）达到64，满足输电线路异物的实时性检测。
伴随着气体火花开关的广泛应用，选择工作稳定且使用寿命长的气体火花开关已经成为了脉冲功率系统稳定运行的重要保障。目前，国内外相关学者对于气体开关展开了大量研究，但多数都是基于从放电条件研究对气体火花开关烧蚀的影响。因此从实际工程需求出发，全面研究了不同工作环境对气体火花开关的自击穿电压的分布、时延抖动、分散性的变化情况以及电极烧蚀现象与机制、宏/微观粗糙度变化规律。结果表明：相同气压条件下开关击穿电压的分散性随电极间隙的增大无明显规律变化。随着工作系数提高至90%，开关放电时延平均值基本不变，但呈现出数纳秒的波动，当间隙距离为10 mm、工作系数在60%以下时抖动的起始值及其减小的速率远高于其他间隙。随着电极间距的增大，对电极表面的烧蚀的影响较小，低气压长间隙的烧蚀程度相较于高气压短间隙的烧蚀更为明显。
AIoT（AI+IoT）,即人工智能物联网，是人工智能技术与物联网在实际场景落地中相互融合的产物，其并非新技术，而是一种新的物联网应用形态，是通往真正意义上的“万物智联”的必经之路。智慧城市ICT信息技术架构与AIoT产业架构高度适配，是AIoT应用最佳实验场，随着智慧城市进入全面发展期，AIoT应用解决方案将在民生服务、城市治理、产业经济、生态宜居四大场景中大规模落地。
系统提供快捷的数据信息查询，实现对重点用能单位经济数据和能耗数据的预警和预测分析，进而实现对整个区域经济数据和能耗数据的预警和预测分析
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
