北极星
      北极星为您找到“机器学习”相关结果1454

      来源:北极星输配电网2016-03-18

      能源大数据分析技术运用数理统计、模式识别、神经网络、机器学习、人工智能等深度数据挖掘算法,分析、提取数据信息中蕴含的潜在价值,是实现更高效的能源利用,降低用户的能源支出的关键一环。

      来源:能源互联网2016-03-15

      能源大数据分析技术运用数理统计、模式识别、神经网络、机器学习、人工智能等深度数据挖掘算法,分析、提取数据信息中蕴含的潜在价值,是实现更高效的能源利用,降低用户的能源支出的关键一环。

      来源:深圳中兴力维技术有限公司2016-03-03

      大数据让人们可以通过机器学习、机器建模、数据分析的方法来预测被监控管理设备的健康状况,提出设备优化和技能减排的方案。大数据让中兴力维成为专家,大数据让人人成为专家。...中兴力维多年来已经累积了许多专利技术,接下来将继续在尖端技术上着力研发,比如物体(人脸)识别、行为分析、数据采集、数据分析、数据模型、智能分析、机器学习和机器决策等,并快速将研发成果融入到产品中。

      来源:电力专家联盟2016-02-19

      同时,这项合作也将利用机器学习和预测分析能力来推动未来创新。

      来源:福建省人民政府2016-01-29

      鼓励信息技术服务企业掌握数据挖掘分析、知识图谱、机器学习等核心技术,强化大数据的获取、分析、行业应用等高附加值环节,为企业提供智能数据服务。

      来源:人民邮电报2016-01-21

      信息化时代仍处于发展中期,以智能传感、机器学习和简单决策为代表的智能化时代是信息化时代的大数据基础设施、云计算设施建设完成之后才能有决策分析数据来支撑物联网的这些智能化功能。

      来源:工程客2016-01-20

      做到了智能化学习的状态,经过几周跟你的互动,你设定你的温度也好、你的行为模式也好,这个设备会记住你的行为方式,然后他会知道什么是你喜欢的温度,什么时候你在,什么时候你不在,他背后还有机器学习,还有云计算...物联网发展速度非常快,我们预计2020年整个物联组件将发展到500亿个,所有的这些物体将会连在一张物联网上,仅仅是一个基础,背后大数据分析、机器学习、预测技术进行支撑,以及从物联之后产生的海量数据里面提炼出来的决策和行为

      来源:中证网2016-01-19

      随着无处不在的移动网络,体积更小、价格更低、功能更强大的传感技术,以及人工智能和机器学习的出现,第四次革命无论在发生速度、涉及规模还是冲击力度上,都将远超前3次技术革命,足以颠覆全球各个产业。

      来源:阿波罗光伏云2016-01-19

      如果可以使用机器学习的方法把每个图片进行识别,就能够鉴别出是否接入。从数据看来,最明显的差别就在于不同电流值的个数。...四、数据解决方案的实现与验证基于上述观察与发现,我们运用机器学习的深度算法,判断出分界点的阈值、计数点的时间区间,以及计算时采用的数据来源,终于得到一个通用的解决方案,并对方案的准确性进行了验证。

      来源:飞象网2016-01-11

      物空云数据服务---江波龙科技携手ibm推出基于ibm的supervessel(超能云)物联网云平台,可以提供高效的数据存储、数据分析,和未来的人工智能、机器学习方面的服务。

      来源:IBM中国2016-01-06

      机器学习watsonapi系列实现数据处理自动化,持续监控新数据和用户交互,并根据所了解的优先级对数据和结果进行排列。...随着设备与系统的物理世界变得高度数字化,这些功能将使客户、合作伙伴和开发人员通过机器学习以及与非结构化数据相关联,从而更有效地利用数据。

      来源:O’Reilly2016-01-06

      物联网领域将变得越来越小,除了从业者以外还包括如下的硬件标签:数据分析、机器学习、平台设计,这些因素同样也是至关重要的。...而物联网的驱动力则来自于:无所不在的连接、廉价的硬件、廉价的数据处理和机器学习。更重要的是,新硬件运动驱动着物联网的发展并使其快速且低成本的发展物联网系统。

      来源:北京大学光华管理学院2015-12-29

      创新中心目前工作重点集中在四个方面:成为管理思想的领先者,关注企业未来所面临的挑战和问题;发展软件工程,关注智慧城市和未来个人化医疗的发展空间;探索发展机器学习技能;鼓励内部创业,柏林作为德国的创业企业最聚焦的地方

      来源:供用电杂志2015-12-08

      分布grep、分布排序、web连接图反转、每台机器的词矢量、web访问日志分析、反向索引构建、文档聚类、机器学习、基于统计的机器翻译等谷歌应用程序都采用了mapreduce这一处理模型。

      来源:领能知道2015-12-08

      optimumairtm 的技术架构分为四层,设备层、智能传感器层、控制和优化层、云处理和机器学习层,在设备层有变频器、空气处理机、变风量系统,这些系统都加载了智能传感器和智能电表,传统的建筑智能控制系统加上

      来源:供用电杂志2015-12-07

      分布grep、分布排序、web连接图反转、每台机器的词矢量、web访问日志分析、反向索引构建、文档聚类、机器学习、基于统计的机器翻译等谷歌应用程序都采用了mapreduce这一处理模型。

      来源:领能知道2015-12-07

      optimumairtm 的技术架构分为四层,设备层、智能传感器层、控制和优化层、云处理和机器学习层,在设备层有变频器、空气处理机、变风量系统,这些系统都加载了智能传感器和智能电表,传统的建筑智能控制系统加上

      来源:国家电网杂志2015-12-06

      需解决的是关键技术,如智能传感器,具有普泛性的电网全面感知技术;信息物理系统cps实现能量的信息化与智能互联管控;大数据、云计算、物联网、机器学习、软件定义和ipv6寻址等技术及其实用场景。

      来源:国家电网杂志2015-12-04

      需解决的是关键技术,如智能传感器,具有普泛性的电网全面感知技术;信息物理系统cps实现能量的信息化与智能互联管控;大数据、云计算、物联网、机器学习、软件定义和ipv6寻址等技术及其实用场景。

      来源:北极星售电网2015-11-27

      大数据分析、机器学习和预测是这种互联网络实现生命体特征的重要技术支撑:通过整合运行数据、地理数据、气象数据、电网数据、电力市场数据等,进行大数据分析、负荷预测、发电预测,打通并优化电力生产和电力消费端的运作效率

      相关搜索