精华内容
下载资源
问答
  • 清华陆薇:释放工业大数据价值◆ ◆ ◆导读:第四次工业革命以美国的工业互联网、德国的工业4.0为代表。中国也提出了“中国制造2025”的发展纲要。大数据如何助理中国工业4.0的发展,工业大数据从哪里来?大数据...
    
      
        





    清华陆薇:释放工业大数据价值

     ◆ 

    导读:第四次工业革命以美国的工业互联网、德国的工业4.0为代表。中国也提出了“中国制造2025”的发展纲要。大数据如何助理中国工业4.0的发展,工业大数据从哪里来?大数据对于工业、制造业的价值又在哪里呢?


    7月14、15日,首届大数据应用大会在成都召开。大数据文摘作为战略合作媒体,今日带来干货内容--清华大学数据科学研究院·工业大数据研究中心的常务副主任陆薇题为《释放工业大数据价值》的演讲

    在首届中国大数据应用大会上,清华大学数据科学研究院·工业大数据研究中心的常务副主任陆薇所了题为《释放工业大数据价值》的演讲。(大数据文摘记者魏子敏 摄)


     ◆ 


    演讲原文如下:


    很高兴有这样一个机会和大家分享我们中心对工业大数据的理解和一些工作内容。



    首先,简单介绍一下清华大学数据科学研究院工业大数据研究中心。清华大学数据科学研究院成立于2014年春,结合了清华在信息技术,特别是分布式系统和数据管理分析技术方面的优势,以及工科、经济、人文、健康等各大数据应用领域的深厚积淀,致力于发挥学科交叉的协同作用,推进大数据系统研究与应用实践,培养人才,同时也参与贡献大数据相关国家战略。




    众所周知,第四次工业革命以美国的工业互联网、德国的工业4.0为代表,根据各国制造业不同的发展优势而各具特点。美国制造业大量外包生产环节,比如波音公司的飞机部件是在全球多个国家制造,但是美国制造企业牢牢占据高知识产权和附加值的产品设计和服务环节,同时把控整个生态链的上下游为其服务。因此,美国提出的工业互联网的智能核心在云不在端,关注利用互联网技术的资源优化配置作用提升对整个产业生态链的效率和价值。德国的情况则正相反,德国制造业优势在于实体制造,有精良的生产设备和工艺手段。因此,德国提出的工业4.0重点在于智能工厂本身的建设,并以制造为核心,带动上下游业务发展。


    我国工业具有自己的特点。一方面,我国是世界工厂,实体制造比重大,同时低水平、劳动密集、高资源消耗制造的比重也大,产业升级迫在眉睫。另一方面,我国互联网产业发展具有领先优势。过去十多年消费互联网的高速发展使互联网技术得到长足发展,互联网思维深入人心。我们需要充分发挥这一优势,并将之和制造业紧密结合,促进制造业升级和生产性服务业的发展。


    因此,我国制订的“中国制造2025”战略从我国实际国情和发展需求出发,兼顾智能制造和制造服务,用互联网技术驱动制造全生命周期从设计、制造到交付、流通、服务、回收各个环节的数字化、互联化、智能化升级,推动制造全产业链智能协同,优化生产要素配置和资源利用,消弭低效中间环节,从而整体提升中国制造业发展水平和世界竞争力。


    虽然发展重点各有侧重,但大数据被公认为是不可或缺的关键技术。


    德国的《工业4.0十大挑战与机遇》报告指出,数据的整合分析与使用是实现工业4.0的关键能力。工业4.0有两大关键支撑技术。一个是CPS,这是智能工厂比较偏硬的部分,讲究用更加智能的基础设施来降低车间复杂度和提高灵活性。另一个是数字化企业平台,跨生产”shop floor”和经营“top floor”、贯穿CAD/PLM/MES/ERP等生产、经营信息系统的信息集成与数据融合贯通,建立伴随产品制造过程的完整信息流,做到全数字化、数据全采集、数据通路全打通、数据流动过程不落地。同时基于对这些数据的分析,使企业可以全面深入把握和优化提升产品质量、生产效率、资源利用率。


    美国通用电气公司的《工业互联网白皮书》中指出工业互联网实现的三大要素是智能联网的机器、人与机器协同工作及先进的数据分析能力。工业互联网的核心是通过智能联网的机器感知机器本身状况、周边环境以及用户操作行为,并通过这些数据的深入分析来提供诸如资产性能优化等制造服务。


    我国在今年推出“中国制造2025”“互联网+制造”战略的时候,也特别强调利用大数据为产业智能化提供支撑。


    有一个对工业1.0到工业4.0变迁历史的总结非常精辟,借用一下:工业1.0是“工厂+机械”,利用机械替代人力,解放了生产力;工业2.0是“工厂+电”,通过电气化进一步提升生产效率;工业3.0是“工厂+电脑”,通过信息系统替代人工管理生产经营过程。那工业4.0是工厂+什么呢?顺着这个思路,3.0完成信息化之后,工厂经营生产的方方面面都已经有数据积累,再进一步的提升自然是基于这些数据进一步分析优化生产经营和探索数据驱动的新业务模式,因此,工业4.0就是“工厂+大数据”。






    工业大数据从哪里来?来源于产品生命周期的各个环节,包括市场、设计、制造、服务、再利用各个环节,每个环节都会有大数据。“全”生命周期汇合起来的数据更大。当然,企业外、产业链外的“跨界”数据也是工业大数据“不可忽视”的重要来源。








     ◆ 

    要利用好机器大数据,需要突破几类核心技术


    首先是数据怎么管理的问题。海量的机器型数据如时间序列、时空数据等高速采集完成后,需要把它存下来,这涉及到数据有效打包、压缩、放置的问题。数据存下来是为了被利用,这需要支持快速定位查询到应用需求的数据,而这又是一个如何建立高效的时空数据索引的问题。


    数据存好管好了,下一个问题就是如何支持各种分析。做过实际分析的人都知道,分析绝不仅仅是开发一堆算法的问题。算法只是一小部分工作,大部分的工作是根据对业务问题的理解选取需要的数据,理解数据的特征,然后根据特征设计一个合适的模型和算法。这中间数据特征的理解对机器大数据来说是很难的。因为机器数据不能为人所直观理解,需要交互特征工程。此外,从模型和算法的层面,机器数据往往是对一个物理世界系统的感知结果,而物理世界有许多机理性的原理存在,比如机械领域涉及力学原理,冶金领域涉及化学原理,因此机器大数据的分析需要有机结合机理模型和数据统计模型。还有一个常常被忽略的问题是数据质量的问题——如何把握数据质量,如何修正数据质量。


    再谈应用的角度,如何更简单地访问数据和使用分析,特别是对领域专家。在多源异质数据,屏蔽数据集成关联的问题,使得领域专家不需要懂复杂的大数据技术和编程。







    本文讲稿和PPT由陆薇博士和主办方授权获得,大数据文摘(bigdatadigest)和数据派(datapi)联合发布速记内容有删改。




    工业大数据:工业价值转型的新视角

    李杰 刘宗长 天泽智云CyberInsight


    工业视角的转变

    如果说前三次工业革命分别从机械化、规模化、标准化、和自动化等方向大幅度地提高了生产力,那么第四次工业革命与前面三次最大的区别在于:不再以制造端的生产力需求为出发点,而是将客户端价值作为整个产业链的核心,改变以往的工业价值链从生产端向消费端、上游向下游推动的模式,从客户端的价值需求出发提供客制化的产品和服务,并以此作为整个产业链的共同目标使整个产业链的各个环节实现协同优化,其本质是工业视角的转变。


    不可见的问题

    在现在的制造中,存在着许多无法被定量、无法被决策者掌握的不确定因素,这些不确定因素既存在于制造过程中,也存在于制造过程之外的使用过程中。前三次工业革命主要解决的都是可见的问题,例如去避免产品缺陷、避免加工失效、提升设备效率和可靠性、避免设备故障和安全问题等。这些问题在工业生产中由于可见可测量,往往比较容易去避免和解决。不可见的问题通常表现为设备的性能下降、健康衰退、零部件磨损、运行风险升高等。这些因素由于其很难通过测量被定量化,往往是工业生产中不可控的风险,大部分可见的问题都是这些不可见的因素积累到一定程度所造成的。因此,工业互联网的关注点和竞争点是对这些不可见因素的避免和透明化。


    不可见的需求

    从使用过程的体验角度审视产品功能,制造需要场景思维不可见的另一个特点就是制造过程和制造价值向使用过程的延续,不仅仅关注将一个产品制造出来,还应该关心如何去使用好这个产品,实现产品价值的最大化。产品的创新和创值不再仅仅是以满足用户可见的需求为导向,而是利用用户的使用数据去深刻地理解用户的使用场景,从场景中找到用户需求的空缺(GAP),这些空缺我们称之为“不可见的需求”,因为即便是用户自己都很难意识到。例如,买汽车的人大多都会提出省油的需求,于是所有汽车制造商就努力改变车型和发动机让车子更加省油。但是很少去关注用户的驾驶习惯对于油耗的影响,因为驾驶习惯对于用户而言也是不可见的,因此不会有用户去要求汽车提供驾驶行为管理的功能。所以新工业革命时代的市场竞争也会从以往满足客户可见的需求向寻找用户需求的GAP转变。以往我们将产品卖给客户之后就几乎到达了生产价值链的终点,而云计算等新技术的普及将价值链进一步延伸到使用端,以产品作为服务的载体,以使用数据作为服务的媒介,在使用过程中不断挖掘用户需求的GAP,并利用数据挖掘所产生的信息服务为用户创造价值。


    数据依然是为用户提供客制化产品最重要的媒介,新工业革命时代中的制造将通过数据把终端客户与制造系统相连接,这些数据将自动决定生产系统的各个环节的决策,实现生产上下游环环相扣的整合,人的工作难度将被大大降低,在这种模式下工厂的组织构架将趋于扁平,生产资源的利用效率也更加优化。


    有一个例子是最近特别流行的智能手环,佩戴智能手环可以采集睡眠过程中的数据,醒来之后可以通过查看数据分析的结果,睡眠质量如何、多少时间是深睡眠状态、深浅睡眠交替的曲线等信息都一目了然。这时我们才发现决定睡眠质量的并不是一共睡了几个小时,而是深睡眠所占整个睡眠时间的比例。白天精力好坏是我们可见的现象,但睡眠质量是不可见的,智能手环通过睡眠数据的分析将不可见的睡眠质量变成了可见可测的结果,并利用这些信息帮助用户去管理可见的生活。


    新工业革命并不仅仅是制造业的革命,而是一场更加深刻的变革,创新模式、商业模式、服务模式、产业链和价值链都将产生革命性的变化,制造业的文化,从“机器崇拜,流程崇拜”进入到人文主义视角的“价值定义”,今天的零售业逐步向“内容,IP”化转移,制造业的产品或服务,未来也会走向“IP导向的制成品” ,生产线和消费者使用处于永远互动的状态,并延伸基于数据的增值服务,云计算、人工智能、和大数据都是支撑这个转型的基础条件,工业升级,最根本的驱动力来自于商业模式与智能服务体系的创新技术变革,这两者才是未来工业界竞争的蓝海。


    工业大数据的3B与3C

    什么是工业大数据?

    一提到大数据,人们首先会想到在互联网和商业等环境中,利用大量的行为数据来分析用户行为和预测市场趋势等应用。但是对工业大数据的定义和应用却很难直观地理解和想象。现在对大数据最为流行的定义来自于维克托·迈尔-舍恩伯格和肯尼斯·克耶编写的《大数据时代》中提出的4V特性,即Volume(数据量大)、Velocity(流动速度快)、Veracity(准确性难把握)、和Variety(来源多样性)。这个定义是针对互联网和社会环境中的大数据,从数据工程的技术挑战方面所提出的。而工业大数据的挑战和目的则要通过“3B”和“3C”来理解:


    工业大数据应用的“3B”挑战:

    -      Bad Quality: 在工业大数据中,数据质量问题一直是许多企业所面临的挑战。这主要受制于工业环境中数据获取手段的限制,包括传感器、数采硬件模块、通信协议、和组态软件等多个技术限制。对数据质量的管理技术是一个企业必须要下的硬功夫。


    -      Broken: 工业对于数据的要求并不仅在于量的大小,更在于数据的全面性。在利用数据建模的手段解决某一个问题时,需要获取与被分析对象相关的全面参数,而一些关键参数的缺失会使分析过程碎片化。举例而言,当分析航空发动机性能时需要温度、空气密度、进出口压力、功率等多个参数,而当其中任意一个参数缺失时都无法建立完整的性能评估和预测模型。因此对于企业来说,在进行数据收集前要对分析的对象和目的有清楚的规划,这样才能够确保所获取数据的全面性,以免斥巨资积累了大量数据后发现并不能解决所关心的问题。


    -      Background (Below the Surface): 除了对数据所反映出来的表面统计特征进行分析以外,还应该关注数据中所隐藏的背景相关性。对这些隐藏在表面以下的相关性进行分析和挖掘时,需要一些具有参考性的数据进行对照,也就是数据科学中所称的“贴标签”过程。这一类数据包括工况设定、维护记录、任务信息等,虽然数据的量不大,但在数据分析中却起到至关重要的作用。


    工业大数据分析的“3C”目的

    -      Comparison(比较性):从比较过程中获取洞察,既包括比较相似性,也包括比较差异性。比较的维度既可以是在时间维度上与自身状态的比较,也可以是在集群维度上与其他个体的比较。这种比较分析能够帮助我们将庞大的个体信息进行分类,为接下来寻找相似中的普适性规律和差异中的因果关系奠定基础。


    -      Correlation (相关性):如果说物联网是可见世界的连接,那么所连接对象之间的相关性就是不可见世界的连接。对相关性的挖掘是形成记忆和知识的基础,简单的将信息存储下来并不能称之为记忆,通过信息之间的关联性对信息进行管理和启发式的联想才是记忆的本质。相关性同时也促进了人脑在管理和调用信息的效率,我们在回想起一个画面或是情节的时候,往往并不是去回忆每一个细节,而是有一个如线头一样的线索,你去牵它一下就能够引出整个场景。这样的类似记忆式的信息管理方式运用在工业智能中,就是一种更加灵活高效的数据管理方式。


    -      Consequence (因果性):数据分析的重要目的是进行决策支持,在制定一个特定的决策时,其所带来的结果和影响应该被同等地分析和预测。这是以往的控制系统所不具备的特性,也是智能化的本质。工业系统中的大部分活动都具有很强的目的性,就是把目标精度最大化,把破坏度最小化的“结果管理”。结果管理的基础是预测,例如在现在的制造系统中,如果我们可以预测到设备的衰退对质量的影响,以及对下一个工序质量的影响,就可以在制造过程中对质量风险进行补偿和管理,制造系统的弹性和坚韧性就会增加。


    总结而言,互联网和商业大数据与工业大数据在技术挑战、数据属性、和分析目的等方面有很多区别,这也决定了两者技术手段的不同。



    虽然互联网大数据与工业大数据的核心问题与技术路径不同,但并不意味着两者是格格不入的。相反,将互联网大数据与工业大数据相整合,能够相得益彰产生更大的价值。举例而言,制造系统正在改变过去生产驱动销售的“Push”模式和销售驱动生产的“Pull”模式,虽然已经具备满足不同订单需求的“柔性”生产模式,但依然无法改变对市场应激式的生产模式。未来的智能制造系统将以数据来驱动,体现在设计过程的数据化(PLM、CAD)、制造系统驱动的数据化(MES、DCS)、和生产资源管理的数据化(ERP)等方式。但是这些都还只看到了制造系统本身,而忽略了这些数据化的源头应该是对市场和客户的数据化。利用商业大数据对市场进行预测、绘制客户需求画像、和分析供应状态实时评估等方式,能够从本质上将制造系统从应激式转变成为预测型的生产模式。


    “不可见的世界”的价值

     “有之以为利、无之以为用”是出自老子《道德经》中的一句话,其中的智慧放在当今工业的价值模式中依然十分受用。这句话可以理解为:一切事物的实体为我们提供可以凭借的可见的基础条件,而其中所隐藏的空间和可变化的无限可能才是被我们真正使用并创造价值的所在。我们在《工业大数据》一书中,曾用煎蛋模型来阐述产品与服务价值之间的关系(图一):蛋黄代表的是产品自身,其差异性和客制化程度并不明显,例如一台电视机在挡住了Logo之后就很难被区分出来是哪家公司生产的。而蛋白所代表的增值服务却是差异化和客制化的重要体现,也是企业的品牌和可持续性价值的所在。这些价值存在于用户的使用场景、隐形因素的相关性、和产品被制造和使用的全生命周期这些“不可见世界”中。数据将成为挖掘这些价值的重要手段,主要体现在:利用数据挖掘在使用中获得新的知识和技术对现有产品进行改进;利用数据去发现和定义用户未知的需求;以数据作为媒介向用户提供增值服务。

    图一:工业价值的煎蛋模型新思维


    以风力发电为例,风机本身的差异化并不明显,用户的定制化需求也并不强烈,但是风机在运行过程中的发电能力、运行稳定性、和运维成本等却是用户价值的核心。利用风机的运行大数据可以对风机进行健康管理、对潜在的运行风险进行预测、和对风场的运维进行优化,从而提升风机的可用率、改善发电效率、和降低运维成本。风机的制造厂商也可以不再仅仅通过卖出装备获得一次性的盈利,还可以通过向用户提供使用过程中的增值服务实现持续性的盈利。

    人类社会在经历了200多年的科技革命后,已经积累了巨大的工业产品存量,工业的基础设施和大量基本生产要素,如机床、电力设施、动力设施、制造装备、交通装备等需求都已逐渐趋于饱和。因此德国的“工业4.0”战略中将面向制造系统的集成和软件服务作为重点,具体表现在“纵向集成”、“横向集成”和“端到端集成”。同样发现这个问题的还有美国GE公司,他们意识到装备销售过程中的获利远远不及在产品使用过程中的价值服务,客户需要的价值也远不止对产品状态的保持,更在于如何去使用这些能力来实现更高效的价值再创造。


    以数据为核心使产品发挥最大的能力,归根结底是利用数据建模实现对状态、环境和任务的精确评估,对管理和控制活动进行实时的决策优化,并协同和调度相关产品高效率运行的过程。


    “无忧”的制造环境

    制造系统中的问题同样也有 “ 可见” 和“ 不可见”之分,我们对待这些问题的方式既可以在问题发生后去解决,也可以在问题发生前去避免。生产系统中存在的“不可见”问题包括设备性能的衰退、精度的缺失、易耗件的磨损、和资源的浪费等,可见的问题往往是这些不可见因素积累到一定程度所引起的,比如设备的衰退最终导致停机、精度的缺失最终导致质量偏差等。就如同冰山一样,可见的问题仅仅是冰山一角,而隐性的问题则是隐藏在冰山下面的恶魔。通过大数据对“不可见”问题获得深刻的洞察,是实现无忧虑制造环境的基础,也是智能制造的本质。


    制造改进与转型的机会空间可以被分为四个部分(图二),第一个部分是去满足用户可见的需求和解决可见的问题,这个空间内依然有中国制造需要补的课,比如质量、污染、和浪费等问题,需要的是持续的改善与不断完善的标准化。第二个空间在于避免可见的问题,需要从使用数据中挖掘新的知识对原有生产系统和产品做加值改善。第三个空间在于利用创新的方法与技术去解决未知的问题与创造新的竞争力,例如具有自省能力的设备,以及利用传感器与大数据使不可见的问题透明化,进而去管理和解决不可见的问题。第四个象限是寻找和满足不可见的价值缺口,避免不可见因素的影响,这部分需要利用大数据分析产生的智能信息去创造新的知识和价值与传承力,这也是工业互联网的最终目标。

    图二:可见与不可见的转型思维

     

    通过分析数据,预测需求、预测制造、利用数据去整合产业链和价值链,这就是工业大数据的思维。工业互联网是一场在不可见世界中的战争,而工业数据分析的竞争力则是连接可见与不可见世界的桥梁。


    利用大数据实现无忧的制造环境有三个方向,数据在每一个阶段中扮演的作用也并不相同。第一个方向是在解决可见问题的过程中积累经验和知识,从而去避免这些问题。在这个过程中,数据可以作为经验和知识的载体。第二个方向是依靠数据去分析问题产生的隐性线索(evidence)、关联性、和根原因等,进而利用预测分析将不可见问题显性化,从而实现解决不可见问题的目的。现在的制造系统正在经历从第一个阶段到第二个阶段的转变过程,在完成这个过程后,制造系统将不再有‘surprise’,使得所有隐性问题在变成显性问题和影响之前都可以被提前解决。第三个方向是通过对数据的深度挖掘,建立知识和问题之间的相关性,从数据中启发出新的知识,并能够利用知识对制造系统进行精确的建模,产生能够指导制造系统活动的镜像模型,从系统的设计端避免可见及不可见问题的发生。


    这三个方向对企业都非常具有借鉴意义,但是需要根据不同的情况侧重于不同的方向。总的来概况,这三个方向分别适用于以下几类情况中问题的解决:


    第一个方向:适合在某一个领域已经经营了很久,有了一定的经验积累,但是却很难总结出为什么做的好或是不好。


    第二个方向:在解决了可见的问题之后,仍然存在一些不可见问题对制造系统造成的影响,希望能够了解不可见因素的变化过程和相互的关联性,积累更加深入的制造知识。


    第三个方向:在制造基础还较为薄弱的领域,并没有形成太多有效的数据,但是拥有非常丰富的使用数据和经验,则可以借助使用过程中积累的知识对制造系统提出设计的要求。

    图三:问题、数据、与知识的关系及管理方式

     

    图三简明地阐述了大数据与智能制造之间的关系:制造系统中“可见”和“不可见”问题的发生及解决的过程中会产生大量的数据,通过对这些数据的分析可以了解问题产生的过程、造成的影响和解决的方式。通过对数据的深度挖掘和抽象化建模后可以形成知识,进而利用知识去认识、避免、和重新定义问题。数据在其中起到的作用,是使这个过程从以往依靠人的经验(Experience based)转向依靠挖掘数据中隐性的线索(Evidence based),使得制造知识能够被更加高效和自发地产生、利用和传承。因此,问题和知识是目的,而数据则是一种手段。今天我们来谈利用大数据实现智能制造,是因为大数据正在逐渐成为易得的资源,而在制造系统和商业环境变得日益复杂的今天,利用大数据去解决问题和积累知识将是更加高效和便捷的方式。

     

    数据本身不会说话,也并不会直接创造价值,真正为企业带来价值的是数据分析和挖掘之后产生的洞察和行动的价值,是数据经过实时分析后及时地流向决策链的各个环节,是让数据成为面向客户创值服务的媒介和依据。工业大数据的目的并不是追求数据量的庞大,而是通过系统式地数据收集和分析手段,实现价值的最大化。所以推动工业价值转型和智能制造的并不是大数据本身,而是大数据分析技术所带来的洞察,行动的准确性与速度。在新制造革命的转型中,更加有效地积累和利用数据资源与知识的传承,决定了能否在新竞争环境中脱颖而出。工业大数据定义了制造价值的新主张,这个价值的应用既可以外向,也可以是内向。内向是利用大数据去解决和避免制造系统中的“不可见”问题,实现无忧的制造环境。外向是利用大数据在产品的使用过程向用户提供智能增值服务,实现制造价值的延续。这两者对于中国制造而言,一方面是解决制造“大而不强”的挑战,另一方面是改善制造附加值较低的瓶颈。中国应该利用好使用数据的资源,不断提升企业对制造的理解和知识积累速度,才能弥补中国在装备制造和核心零部件等方面的弱势,逐步弥补这些弱势领域造成的短板,让世界看到中国在工业大数据中创知和创值的成功经验。

    扩展阅读 


    《工业大数据》


    《从大数据到智能制造》


    《CPS:新一代工业智能》







    人工智能赛博物理操作系统

    AI-CPS OS

    人工智能赛博物理操作系统新一代技术+商业操作系统“AI-CPS OS:云计算+大数据+物联网+区块链+人工智能)分支用来的今天,企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中,利用AI-CPS OS形成数字化+智能化力量,实现行业的重新布局、企业的重新构建和自我的焕然新生。


    AI-CPS OS的真正价值并不来自构成技术或功能,而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务数据+分析一体化,这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合,没有颠覆现状的意愿,这些将不可能实现。


    领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量,领导者必须在行业、企业与个人这三个层面都保持领先地位:

    1. 重新行业布局:你的世界观要怎样改变才算足够?你必须对行业典范进行怎样的反思?

    2. 重新构建企业:你的企业需要做出什么样的变化?你准备如何重新定义你的公司?

    3. 重新打造自己:你需要成为怎样的人?要重塑自己并在数字化+智能化时代保有领先地位,你必须如何去做?

    AI-CPS OS是数字化智能化创新平台,设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端,可以帮助企业将创新成果融入自身业务体系,实现各个前沿技术在云端的优势协同。AI-CPS OS形成的字化+智能化力量与行业、企业及个人三个层面的交叉,形成了领导力模式,使数字化融入到领导者所在企业与领导方式的核心位置:

    1. 精细种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切,进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。

    2. 智能:模型随着时间(数据)的变化而变化,整个系统就具备了智能(自学习)的能力。

    3. 高效:企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力,这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。

    4. 不确定性:数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验,其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域:技术、文化、制度。

    5. 边界模糊:数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化,还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

    AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长:

    1. 创造虚拟劳动力,承担需要适应性和敏捷性的复杂任务,即“智能自动化”,以区别于传统的自动化解决方案;

    2. 对现有劳动力和实物资产进行有利的补充和提升,提高资本效率

    3. 人工智能的普及,将推动多行业的相关创新,开辟崭新的经济增长空间


    给决策制定者和商业领袖的建议:

    1. 超越自动化,开启新创新模式:利用具有自主学习和自我控制能力的动态机器智能,为企业创造新商机;

    2. 迎接新一代信息技术,迎接人工智能:无缝整合人类智慧与机器智能,重新

      评估未来的知识和技能类型;

    3. 制定道德规范:切实为人工智能生态系统制定道德准则,并在智能机器的开

      发过程中确定更加明晰的标准和最佳实践;

    4. 重视再分配效应:对人工智能可能带来的冲击做好准备,制定战略帮助面临

      较高失业风险的人群;

    5. 开发数字化+智能化企业所需新能力:员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说,创造兼具包容性和多样性的文化也非常重要。


    子曰:“君子和而不同,小人同而不和。”  《论语·子路》云计算、大数据、物联网、区块链和 人工智能,像君子一般融合,一起体现科技就是生产力。


    如果说上一次哥伦布地理大发现,拓展的是人类的物理空间。那么这一次地理大发现,拓展的就是人们的数字空间。在数学空间,建立新的商业文明,从而发现新的创富模式,为人类社会带来新的财富空间。云计算,大数据、物联网和区块链,是进入这个数字空间的船,而人工智能就是那船上的帆,哥伦布之帆!


    新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力,将进一步释放历次科技革命和产业变革积蓄的巨大能量,并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节,形成从宏观到微观各领域的智能化新需求,催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革,深刻改变人类生产生活方式和思维模式,实现社会生产力的整体跃升。





    产业智能官  AI-CPS



    用“人工智能赛博物理操作系统新一代技术+商业操作系统“AI-CPS OS:云计算+大数据+物联网+区块链+人工智能)在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能;实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链




    长按上方二维码关注微信公众号: AI-CPS,更多信息回复:


    新技术“云计算”、“大数据”、“物联网”、“区块链”、“人工智能新产业:智能制造”、“智能农业”、“智能金融”、“智能零售”、“智能城市、“智能驾驶”新模式:“财富空间、“数据科学家”、“赛博物理”、“供应链金融”


    官方网站:AI-CPS.NET





    本文系“产业智能官”(公众号ID:AI-CPS)收集整理,转载请注明出处!



    版权声明产业智能官(公众号ID:AI-CPS推荐的文章,除非确实无法确认,我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题,烦请原作者联系我们,与您共同协商解决。联系、投稿邮箱:erp_vip@hotmail.com




    展开全文
  • 这一次的选做作业的其中一个题目是介绍一款功能游戏,陈述该游戏的设计元素,说明在娱乐之外该产品的社会贡献与价值。当我看到这个题目,我想到的就是这款我最喜欢的MOBA类游戏《英雄联盟》,这款游戏不但操作性高,...

        这一次的选做作业的其中一个题目是介绍一款功能游戏,陈述该游戏的设计元素,说明在娱乐之外该产品的社会贡献与价值。当我看到这个题目,我想到的就是这款我最喜欢的MOBA类游戏《英雄联盟》,这款游戏不但操作性高,可玩度强,画面精美。并且,它也以其独特的商业魅力,成为了如今日益蓬勃发展的电竞行业的中坚力量。毫不夸张的说,这款游戏,不但是时下国内最火的游戏,也是商业价值最高的游戏。
        英雄联盟与传统的MOBA类游戏相同,基本的游戏元素可以分为三类:英雄、地图和小兵(野怪)。
    其中,英雄由玩家操控。玩家可在145个英雄中自由选择一个想操作的角色(进行排位赛的情况下,10名玩家通过“征召模式”选择不重复的英雄),每个角色都有不同的模型,基础属性,成长属性和不同的技能组。
        除此以外,地图内还有定时刷新的敌我小兵和中立野怪(全都由电脑AI来控制)。在我看来,小兵是MOBA类游戏的核心,想成为一个高手,对兵线的理解是必不可少的。击杀小兵或野怪会为你带来经济,同时也会为你带来其它意想不到的效果。
    最后是地图。英雄联盟的获胜目标十分简单:推掉对方的中枢基地。然而,这个过程却是漫长的。从对线,到推塔,中期运营,等等,这里面可以说是大有学问。你只有在至少拆掉三条路(上路、中路、下路)的其中一路的所有水晶和防御塔后,才能对基地造成伤害。否则,基地会一直处于不可选定状态。
        除了一些基本的MOBA游戏元素,还有就是一些进阶的游戏设计。比如装备系统。玩家可以通过击杀小兵、敌方英雄或野怪来获得经济,从而购买装备,以使英雄的属性得到进一步的提升(攻击力、法术强度、护甲等)。还有一些特殊的地图资源,比如大龙、小龙。小龙是除装备外在游戏中提升英雄属性的另一种方式,而大龙则会强化兵线,加强推塔速度。
        在介绍完游戏的一些设计元素后,我再来谈谈《英雄联盟》这款游戏的社会价值。
         如今电竞行业飞速发展,《英雄联盟》可以说是其中的最主要的推动者之一。从S1到S9,英雄联盟已经走过了九个年头。其始终致力于创办相应的职业联赛,为那些游戏中的佼佼者提供展示自己高超技艺与水平的舞台。从国内的LPL,到韩国的LCK,再到每年的全球总决赛,《英雄联盟》已经发展出了一套十分完善的职业联赛体系。这无疑会为电竞行业带来不可估量的商业价值。从俱乐部的各个岗位,到赛事主持人,再到相关的幕后人员,这无疑是一个巨大的产业链,这其中诞生出的岗位,也可以说是数以千计万计。
        不光是职业联赛,时下火热的直播行业,也是《英雄联盟》的社会价值的体现。可以说,各大直播平台,最火的那个主播一定是直播英雄联盟的。这些主播通过直播英雄联盟,展现自己的技术,同时在直播平台与观众互动,从而收取礼物,或是与平台签约,获得签约费。可以说,英雄联盟,在时刻推动着电竞行业与直播行业的发展。它已不仅仅只是一款游戏了,而是逐渐成为一种文化。
     

    展开全文
  • 希尔伯特变换及其性质

    千次阅读 2019-02-19 16:37:44
    我们关注的往往是带通信号,如手机信号(800M/1900MHz),wifi信号(2.4G)等,通信中为了更好的分析带通信号,因此先从数学上引出了希尔伯特变换,从而引出解析信号的定义,最后基于希尔伯特变换和解析信号的性质,...

    通信中,我们关注的往往是带通信号,如手机信号(800M/1900MHz),wifi信号(2.4G)等,通信中为了更好的分析带通信号,因此先从数学上引出了希尔伯特变换,从而引出解析信号的定义,最后基于希尔伯特变换和解析信号的性质,引出了带通信号和带通系统,以及带通信号经过带通系统的分析。

    公式推导如下:在这里插入图片描述在这里插入图片描述在这里插入图片描述1、欢迎大家关注我的微信公众号: xiaoshi_IC,小石谈IC;
    2、2018年4月建号以来,已陆续完成了PCB系列的培训视频的更新,相关PCB设计原创文章的撰写,主要基于Cadence Allegro PCB Design GXL和OrCAD Capture CIS,版本号16.6,基本覆盖了从原理图设计(OrCAD Capture CIS),到出网表(Netlist),以及PCB设计(Allegro PCB Design GXL)的全流程,其中有FPC封装设计培训视频,BGA扇出,区域规则设置,等;
    3、2019年计划,目前在持续更新通信原理,以及verilog数字设计部分(目前针对Xilinx FPGA),主要针对通信系统数字设计,软件无线电设计;
    4、未来计划:逐步完成 IC版图,信号完整性,IC设计,IC后端,这些是作者很感兴趣的部分,未来会不定期更新,也期望有爱好者共同交流;
    5、期望和定位:做开源的、有价值的微电子,电子类公众分享,坚持至少一周一更(目前比较频繁),专注软件无线电,通信算法和工程实现,数字系统设计,不定期放出视频,与大家交流,共同提高,欢迎大家持久关注,订阅,分享,点赞;
    6、B站主页:https://space.bilibili.com/382038930
    知乎主页:https://www.zhihu.com/people/shishu8385
    CSDN主页:https://blog.csdn.net/shishu8385
    Youtube频道:https://www.youtube.com/user/shishu8385
    GitHub主页:https://github.com/shishu8385

    展开全文
  • 情感的强度性及其价值动因

    千次阅读 2011-02-16 22:37:00
    情感的强度性及其价值动因 Date: 2008/7/30 Keywords: 心理学, 哲学  情感的强度性及其价值动因 发布时间:2008-07-11 文章来源:投稿 文章作者:仇德辉   情感的强度性是指人对事物所产生...

    情感的强度性及其价值动因


    Date: 2008/7/30
    Keywords: 心理学, 哲学

     情感的强度性及其价值动因
    发布时间:2008-07-11 文章来源:投稿 文章作者:仇德辉
       
    情感的强度性是指人对事物所产生的选择倾向性,它是情感最重要的动力特性,决定着人的思维、行为和生理活动的驱动力大小,在根本上决定和制约着情感的其它动力特性。

        一、情感的强度性与价值的强度性
       
    虽然在理论上,情感的强度与事物的价值率高差的对数成正比,然而,由于人的情感能力的有限性,人的情感的实际强度并不完全与事物的价值率高差的对数成正比,总会存在这样或那样的差异。

        如果把“事物的价值率高差的对数”确定为人对于该事物的 “理想情感强度”,它反映了事物价值关系的强度特性。一般情况下,情感的强度性应该与价值的强度性相对应,即情感的实际强度等于情感的理想强度,使情感能够正确地反映事物的价值关系,只有在这种情感强度的驱动下所产生的行为才是准确的、有效的,才能获取最大的价值效益。如果人的实际情感强度大于理想情感强度时,就难以适度地控制自己的行为力度,通常表现为态度粗暴、行为急躁、克制力差等个性缺点;如果人的情感强度小于理想情感强度时,就难以有效地对客观事物的价值关系施加影响,通常表现为软弱涣散、缺乏战斗力等个性缺点,这两种倾向都有一定的危害性,都会降低人的行为价值率。总之,只有当人的情感强度等于理想情感强度时,情感的强度正好与事物的价值率高差的对数成正比,其行为活动才能达到最大的价值率。

       
    通常情况下,当人处于相对恶劣的自然环境或社会环境时,或处于快速发展或快速衰退的社会历史时期,事物的价值率高差相对比较大,人的情感强度就应该高一些,反之就应该低一些。不同职业往往需要不同的情感强度性:从事创造性工作的人的情感强度较高,从事事务性工作的人的情感强度较低。

        二、情感的偏好性及其价值根源

    情感的偏好性是指人对于某些事物的特殊强烈的、相对稳定的选择倾向性,包括人对于事物的特殊态度、特殊原则、特殊看法、特殊欲望、特殊行为取向等,它是情感强度性的一种特殊表现形式,反映了一个人相对于他人在某些方面特殊的价值强度性,即情感的偏好性主要取决于价值强度的偏好性。

       
    根据所指事物的不同类型,情感的偏好性可表现为三种基本形式:喜欢是指人对于生理性事物的特殊选择倾向性;爱好是指人对于行为性事物的特殊选择倾向性;兴趣是指人对于思维性事物的特殊选择倾向性。

       
    人通常不会盲目地偏好某种事物,而是有目的地、有针对性地偏好那些具有潜在的生存优势和发展前途或者符合自己内在需要的事物,这样的偏好才具有真正的客观价值,才不至于成为一种盲目的情感。不过,人往往没有意识到这种偏好的客观价值,而是在一种模糊的或本能的情感的驱动下自发地建立、维护和发展这种偏好,并为之付出代价。

       
    偏好的形成往往是一个逐渐强化的过程。例如,小孩在哭的时候,如果他的需要能够通过哭来得到满足,那么他将逐渐成为一个易哭的人;小孩在欺负其他小孩时,如果没有得到应有的训斥或惩罚,甚至还得到某种赞许,那么他将逐渐强化这种欺负行为;如果小孩在数字游戏过程中取得了成功,并赢得了赞许和羡慕,那么他对数学的兴趣将会越来越浓。喜欢、爱好和兴趣如果得到极端的激发和强化,将会发展成为一种痴迷和狂热。

        三、自我情感及其价值根源

       
    人对自身的状态与素质的认知构成了自我意识,人对自身价值特性的评价就构成了自我情感。那么,人的自我情感强度由什么因素来决定呢?

       
    人的自我评价虽然在其形式上是对某种具体特性(如相貌、身份、气质、特长、地位等)的自我评价,但在价值本质上是对自身劳动能力及其发展前途的自我评价。由于人的劳动能力越强,其所有活动的价值率就越高,他的中值价值率就越高,那么他对于自己的评价就较高,自我情感的强度就越高,就会形成“自我感觉良好
    ”,因此人对于劳动能力的自我评价归根到底是对其中值价值率的自我评价。

       
    人在进行自我评价时,必须首先选定一个参照物,通常选定某个最亲近、最现实、具有最大利益相关性的他人或社会平均水平作为参照物,即把自身的中值价值率与他人(或社会一般人)的中值价值率进行比较,从而产生自我情感。两者的差值越大,自我情感的强度就越高,因此一个人的自我情感的强度性在根本上取决于自我价值的强度性。

       
    自我情感分为自卑感和自豪感两种:当自己的中值价值率小于社会的中值价值率(或比较对象的中值价值率)时,人就会产生自卑感;当自己的中值价值率大于社会的中值价值率(或比较对象的中值价值率)时,人就会产生自豪感。自卑感的极端形式就是自暴自弃,自豪感的极端形式就是目空一切、不可一世,这些极端的自我情感容易使人产生极端的思想或极端的行为而走向毁灭。自卑感的客观作用在于引导人主动地与他人进行合作,并自觉地服从他人的管理,虚心地听从他人的建议或忠告,努力地学习他人的长处;自豪感的客观作用在于引导人被动地等待或消极地应付与他人的合作,尽可能地要求他人服从自己的管理,千方百计地说服他人听从自己的建议或忠告。

       
    人只有正确评价自己和他人,树立正确的自我情感,才能正确认识自己在社会中的地位和作用,才能正确处理与他人的利益关系,才能迅速有效地发展自己的劳动能力。例如,人要想正确选择在什么样的生产领域或消费领域与什么样的他人进行合作,用什么样的方式进行合作,在合作过程中是服从他人的管理,还是请求他人服从自己的管理,行为方式是以他人为楷模,还是以自己为楷模,等等,就必须充分正确了解自己和他人的价值特性及劳动能力。由于自我情感是以他人或社会的中值价值率为参照物,人通常只有在正确地认识和评价他人之后,才能正确认识自己,即认识自己往往比认识他人更为复杂和困难,所以古人云:人贵有自知之明。

       
    适当的自卑感与自豪感将有助于引导人正确处理与他人的利益关系,有利于维护自己的正当利益。在日常的人际交往中,人应该善于以正常的、健康的心理状态与精神面貌正视自己所取得的成绩和所面临的困难,客观而准确地看待他人的能力、地位及财富,既不能因自己一时的幸运而狂妄自大,也不因自己一时的失败而悲观失望;既不能因为他人一时的落魄而低眼瞧人,也不能因为他人一时的得意而低三下四,应该使自己时刻保持不亢不卑、不骄不躁、平衡而稳定的心理状态和精神面貌,真正做到贫贱不移、富贵不淫、威武不屈。

        四、情感错觉及其价值机理

       
    当人们把一根筷子插入水中时,就会产生一种错觉:这根筷子发生了弯曲。同样,人们对价值物所形成的主观评价或主观情感也会存在或多或少的误差,即情感误差或情感错觉。因此,可以把人类的认识错觉分为认知错觉和评价错觉(或情感错觉)两大类。造成各种认识错觉的原因有三个方面:①环境条件的变化或周围其他事物的干扰;②认识主体自身因素的影响;③客体品质属性的转变。

       
    根据价值关系主导变量的不同,情感包括感情(以客体品质特性为主导变量)、欲望(以主体品质特性为主导变量)与情绪(以介体品质特性为主导变量)三个方面,因此情感的强度大小取决于感情、欲望与情绪三个方面的共同作用,即

          Im=Ig+Iy+Iq                (2-1)

    其中,Ig为感情强度、Iy为欲望强度、Iq为情绪强度。

       
    感情、欲望与情绪是相互影响、相互渗透的。在通常情况下,很难清楚地分辨出主观上的情感到底是属于感情,还是属于欲望,或是属于情绪。为了深入研究这三者之间的相互作用关系,现提出如下概念。

       
    欲望均衡:当主体品质特性的运动变化都不能诱发任何附加的欲望(即Iy=0)时,就称主体处于欲望均衡状态。

       
    感情均衡:当客体品质属性的运动变化都不能诱发任何附加的情感(即Ig=0)时,就称主体处于感情均衡状态。

       
    情绪均衡:当主体所处环境中没有任何其它事物可以诱发附加的情绪(即Iq=0)时,就称主体处于情绪均衡状态。

       
    情感均衡:当感情强度、欲望强度与情绪强度的代数和为零(即Im=Ig+Iy+Iq=0)时,就称主体处于情感均衡状态。

       
    情感全均衡:当欲望均衡、感情均衡、情绪均衡同时成立(即Iy=Ig=Iq=Im=0)时,就称主体处于情感全均衡状态。

       
    显然,当主体处于感情均衡和情绪均衡状态时,人的情感完全由内在的欲望来决定,此时主体的情感强度及其变化可以较为准确地反映出人的内在需要情况;当主体处于欲望均衡和情绪均衡状态时,人的情感完全由感情来决定,此时主体的情感强度及其变化可以较为准确地反映出客体的价值特性;当主体处于欲望均衡和感情均衡状态时,人的情感完全由情绪来决定,此时主体的情感强度及其变化可以较为准确地反映出环境中相关事物的价值特性。

       
    然而,一般的情况是:①当人们对某一客观事物的价值特性进行评价时,主体内部将会产生一定的附加欲望,周围事物也会产生一定的附加情绪,从而影响和制约这种评价;②当人们对主体内部的价值需要进行评价时,客观事物将会产生一定的附加感情,周围事物也会产生一定的附加情绪,从而影响和制约这种评价;③当人们对周围事物的价值特性进行评价时,主体内部将会产生一定的附加欲望,客观事物将会产生一定的附加感情,从而影响和制约这种评价。这样,在一般情况下人所感受的情感都不会是十分“纯洁”的,总会存在一些误差或错觉。例如,当人的身体状态不好时,可能对周围许多美好的事物产生不了好感,这是因为主体的内部因素使他产生一定的负向欲望;如果在一朵美丽的鲜花旁边堆放一堆垃圾,那你也不容易产生愉快的心情,这是因为鲜花周围的环境因素使你产生一定的负向情绪。

        参考文献:
    ①仇德辉著,《统一价值论》,中国科学技术出版社,1998年。
    ②仇德辉著,《数理情感学》,湖南人民出版社,2001年。

        价值世界网 http://www.worldvalue.org

    展开全文
  • 然后利用目标用户的最邻近用户对商品的评价的加权评价值来预测目标用户对特定商品的喜好程度,系统从而根据这一喜好程度来对目标用户进行推荐 。 协同过滤最大的优点是对推荐对象没有特殊的要求,能处理非结构化的...
  • 这就需要我们一定要充分的考虑异常情况(Unexpected Exceptions)并且,处理出错的方法不应是中断程序的执行,而应是返回一个表示错误或错误性质的值,以便在更高的抽象层次上进行处理。 4.高效率与低存储量需求 ...
  • 二维离散付立叶变换及其性质

    千次阅读 2007-04-22 11:13:00
     本节重点介绍二维DFT及其重要的性质,对FFT算法只介绍最基本的 为2的整数幂的算法。   二、二维离散付立叶变换  (一)一维离散付立叶变换  如将一维连续函数 用取 个间隔 取样增量的方法进行...
  • 深入理解 JVM 垃圾回收机制及其实现原理

    万次阅读 多人点赞 2018-05-31 13:47:17
    可达性分析法的基本思路就是:将一系列的根对象作为起始点,从这些节点开始向下搜索,搜索所走过的路径称为引用链,如果一个对象到根对象没有任何引用链相连,那么这个对象就不是可达的,也称之为不可达对象。...
  • 第一节 资本主义制度的形成 ...4、商品的属性(二因素):使用价值价值 属性(二因素) 含义 属性 使用价值 (有用) 有用性(具体东西) 自然属性 价值(值钱) 凝结在商品中无差别的一般人类劳动(看...
  • 什么是CSS+DIV及其优势所在?

    千次阅读 2014-05-15 19:41:05
     XHTM是目前国际上倡导的网站标准设计语言,因为XHTML网站设计语言具有的基本特点,这种CSS+DIV模式的网站设计具有一定的优势,不过目前在网站建设应用中CSS+DIV模式也存在一些问题。本文综合网站技术和设计人员...
  • 主数据及其管理MDM

    千次阅读 2018-12-06 14:05:03
    它是具有高业务价值的、可以在企业内跨越各个业务部门被重复使用的数据,并且存在于多个异构的应用系统中。 比如一个产品系统,它处理的基本数据就是生产数据。HR系统处理的基本数据是雇员;CRM系统是客户...
  • K-means算法分析航空公司客户价值

    千次阅读 2019-03-22 10:15:18
    通过客户分群,区分无价值客户和高价值客户。企业针对不同价值的客户制订优化的个性化服务方案,采取不同营销策略,将有限营销资源集中于高价值客户,实现企业利润最大化目标。准确的客户分群结果是企业优化营销资源...
  • 用户画像及其构建

    千次阅读 2019-02-25 12:34:22
    用户画像及其构建 什么是用户画像? 用户画像可以简单理解成是海量数据的标签,根据用户的目标、行为和观点的差异,将他们区分为不同的类型,然后每种类型中抽取出典型特征,赋予名字、照片、一些人口统计学要素、...
  • 第二章 认识的本质及其规律笔记

    千次阅读 2019-02-28 00:37:50
    第二章 认识的本质及其规律 第二节 认识的辩证运动 感性认识:认识的初级阶段。是对事物具体的,形象的,片面的反映。 三种形式:感觉、知觉、表象。 理性认识:认识的高级阶段,是对事物抽象的,本质的,全面的反映...
  • PCA算法及其应用

    千次阅读 2017-12-08 15:28:48
    摘 要 PCA是一种掌握事物主要矛盾的...文中介绍了PCA算法的基本概念和基本原理,利用算法在降维和特征提取方面的有效性,结合人脸识别的实例进行详细的阐述。最后,文中还指出了PCA的优缺点,以及应用。 关键词 PCA;
  • 商品经济的基本原理本章结构本章历年真题统计一、商品的基本属性和本质特征商品的使用价值价值具体劳动和抽象劳动商品的价值量真题演练二、货币的产生和职能货币的产生和本质货币流通规律真题演练三、价值规律及其...
  • 深度学习算法及其应用

    万次阅读 2018-03-25 23:01:25
    1、了解深度学习的基本原理,能够解释深度学习原理; 2、能够使用深度学习开源工具tensorflow识别图像中的数字,对实验性能进行分析; 3、了解图像识别的基本原理。 二、实验的硬件、软件平台 硬件:计算机 ...
  • 知识图谱及其关键技术

    千次阅读 2021-03-03 19:08:47
    知识图谱最初是谷歌提出的搜索数据应用范式,后广泛应用于谷歌搜索及其服务使用的知识库体系中,以通过从各种来源收集的信息来增强其搜索引擎的结果。 1、前言 大家在互联网搜索的早些使时间里,实际搜索某一词条...
  • 第二章实践与认识及其发展规律

    千次阅读 2020-05-08 22:07:12
    第二章实践与认识及其发展规律 第一节实践与认识 一、实践的本质与基本结构 (一)实践的本质 实践:是人类能动地改造世界的社会性的物质活动 马克思、恩格斯以前的中外哲学家都没有科学地理解人类实践的真正本质...
  • 数据仓库基本知识

    万次阅读 多人点赞 2017-10-31 17:35:04
    根据统计,每个企业的数据量每2~3年时间就会成倍增长,这些数据蕴含着巨大的商业价值,而企业所关注的通常只占在总数据量的2%~4%左右。 因此,企业仍然没有最大化地利用已存在的数据资源,以至于浪费了更多的...
  • 全网极具参考价值的Python面试题,从创业公司到一线大厂的面经汇总整理。作者会持续维护更新!
  • 常见排序算法及其时间复杂度

    万次阅读 多人点赞 2019-06-20 18:00:18
    常见排序算法及其时间复杂度 一、内部排序:1.稳定的排序算法1.1 冒泡排序1.1.1 冒泡排序流程1.1.2 冒泡排序的实现1.2 插入排序1.2.1 插入排序流程1.2.2 插入排序的实现1.3 归并排序1.3.1 归并排序流程1.3.2 归并...
  • 水文分析及其简单应用

    千次阅读 2019-01-28 21:51:47
    水文分析及其简单应用 水文分析是DEM数字地形分析的一个重要内容,基于DEM地表水文分析的主要内容是利用水文分析工具提取水流方向、汇流累积量、水流长度、河流网络、河网分级,以及流域分割等等。 下面是ArcGIS水文...
  • 研究决策的问题包括:决策的基本原理、决策的程序、决策的信息、决策的方法(定量与定性的方法)、决策的风险、决策中的人因素、决策的思维方式、决策的组织、决策的实施 等。 决策科学包括的内容十分广泛:涉及社会学...
  • 博士论文对于学术成果非常看重,如果一篇好文章运用的好的话,会给其他人甚至后人带来很大的影响,其价值也是非常大的。下面早检测小编带大家一起探讨一下博士论文查重与普通的区别及其处理方法。 区别: 博士论文...
  • 各种常见的排序算法及其实现

    万次阅读 2012-10-15 21:30:41
    插入排序(Insertion Sort)的基本思想是:每次将一个待排序的记录,按其关键字大小插入到前面已经排好序的子文件中的适当位置,直到全部记录插入完成为止。 本节介绍两种插入排序方法:直接插入排序和希尔排序。 ...
  • 排队过程的一般表示 下图1就是排队过程的一般模型。各个顾客由顾客源(总体)出发,到达服务机构 (服务台、服务员)前排队等候接受服务, 服务完成后就离开。...一般的排队系统都有三个基本组成部分 : 1输入过程 ; 2排队...
  • Internet及其信息资源服务

    千次阅读 2010-11-19 07:45:00
    本章首先主要对Internet的基本内容做一介绍,以使读者理解现代Internet网络的特点,及其这些特点对目前Internet信息查询活动和方法的影响;其次,本章还重点介绍了Internet所提供的各种信息资源服务类型,并对每种...
  • 贝叶斯模型及其应用总结

    万次阅读 多人点赞 2017-06-21 16:20:02
    )是一种统计学方法,用来估计统计量的某种性质。  贝叶斯推断与其他统计学推断方法截然不同。它建立在主观判断的基础上,也就是说,你可以不需要客观证据,先估计一个值,然后根据实际结果不断修正。正是因为它...

空空如也

空空如也

1 2 3 4 5 ... 20