為您找到相關(guān)結(jié)果 1239 篇
-
制造和大數(shù)據(jù)為切入點，主要圍繞生產(chǎn)數(shù)據(jù)的建模、分析和各類算法的應(yīng)用展開，充分運用大數(shù)據(jù)建模和算法優(yōu)化對生產(chǎn)數(shù)據(jù)進行分析，驅(qū)動智能管理決策。課題開展重點突出
-
處理的動態(tài)性。目前，多部分研究成果都是靜態(tài)的，即先從室內(nèi)或者田間采集靜態(tài)圖像，再用計算機對圖像進行處理。而實際應(yīng)用中要求識別的算法能夠適應(yīng)戶外動態(tài)的條件。雖然
-
思路。通過對異型煙分揀全要素的數(shù)據(jù)采集，反復(fù)論證選擇適用的智能算法，計算最優(yōu)生產(chǎn)模式和資源配置方案，以數(shù)據(jù)支撐、數(shù)據(jù)驅(qū)動、數(shù)據(jù)應(yīng)用三步走的方式，
-
”，打造綠色物流升級版，助力綠色物流譜寫新篇。立足管理創(chuàng)新，依托客戶訂單數(shù)據(jù)和設(shè)備作業(yè)數(shù)據(jù)兩種數(shù)據(jù)，借助大數(shù)據(jù)分析算法和智能優(yōu)化算法兩類算法
-
分析技術(shù)為核心，利用模塊化的軟件平臺及微服務(wù)體系，運用智能算法模型的靈活部署和運行管理，實現(xiàn)梗絲線氣流烘梗絲機的出口水分智能控制，進而提高整線工藝
-
中煙物流技術(shù)有限責(zé)任公司自主研發(fā)的新一代煙葉智能分選定級設(shè)備，依托 AI相機和卷積視覺神經(jīng)網(wǎng)絡(luò)算法，采用尖端線性驅(qū)動技術(shù)，無縫推進煙葉分級過程，
-
的施工進度計劃和人員安排，重點介紹了烘前水分預(yù)測模塊的總體設(shè)計思路和訓(xùn)練算法，與工廠技術(shù)人員交流探討了預(yù)測邏輯及控制思路。工廠技術(shù)人員針對部分模塊提出了建設(shè)思路。同時
-
，難以捕捉基因型和表型間的復(fù)雜關(guān)系。相較于傳統(tǒng)模型，非線性模型（如深度網(wǎng)絡(luò)神經(jīng)）具備分析復(fù)雜非加性效應(yīng)的能力，人工智能和深度學(xué)習(xí)算法為解決
-
;從不同短視頻平臺的受眾、推廣算法、渠道特點及如何掌握流量密碼等方面進行了深入講解，并與大家一起學(xué)習(xí)了國有企業(yè)新媒體視頻號的優(yōu)秀案例，為以后進行短視頻制作提供了新穎的思路
-
指標(biāo)體系、輔助設(shè)計算法，以形成可推廣應(yīng)用的技術(shù)方案。
