-
卷积神经网络在化工领域的应用综述
来源:云南化工 发布日期:2023-02-15
作为实现人工智能的关键技术，深度学习在机器学习领域中备受关注。介绍了深度学习典型算法之一的卷积神经网络的基础知识与理论，阐述了卷积神经网络在反应器内参数测定、流场识别、流场重构、故障诊断等方面的应用进展，并展望了该技术在化工领域的发展趋势。
-
基于人工智能的造纸机械运行状态实时监测方法
来源:造纸科学与技术 发布日期:2023-02-15
纸张是人类生产与生活的必需品，故造纸行业是国家重点发展行业之一。新兴技术的应用，使得造纸机械的复杂程度逐渐提升，故障事件发生频率也随之上涨，威胁着造纸机械的正常运行，提出基于人工智能的造纸机械运行状态实时监测方法研究。深入分析造纸机械运行特征与故障规律，以此为基础，遵循全面性、可行性、科学性等原则，选取运行状态实时监测指标，引入人工智能技术——优度评价法构建造纸机械运行状态实时监测模型，计算监测指
-
人工智能时代高职机械制造类专业实训教学重构与提升研究
来源:中国教育技术装备 发布日期:2023-02-10
分析高职院校机械制造类专业实训教学体系现状，提出改革目前的实训教学体系，加大理论教学和实训教学的融合度，提高设备的利用率，降低相关专业的教学成本等策略，为提高实训教学质量和人才培养质量提供参考。
-
电子信息工程与人工智能的融合分析
来源:集成电路应用 发布日期:2023-02-10
阐述电子信息工程与人工智能的特点和两者的融合，相同的发展目标、互相促进关系，探讨网络资源共享技术、网络信息安全技术的应用。
-
高炉炼铁智能化的研究现状与展望
来源:冶金自动化 发布日期:2023-02-07
在环保与去产能化的双重影响下，中国钢铁开始向高质、智能、绿色的生产模式转变，传统的高能耗、高污染的高炉冶炼理念已不再适用于“十四五”规划的发展方向。随着大数据与人工智能技术的兴起，新一代钢铁工业在智能制造的推动下向着绿色制造迈进，通过分析钢铁企业多年积累的数据而建立各种预测模型已成为一种大趋势。本文首先以高炉智能化转型作为研究背景，通过由简入繁的方式介绍了当前高炉冶炼指标预测模型及冶炼过程监测系统
-
高炉冶炼智能化的发展与探讨
来源:钢铁 发布日期:2023-02-07
现阶段，国内炼铁流程仍以“高炉-转炉”流程为主，且面临着高能耗、高污染及自动化程度不强等问题。随着双碳目标和“十四五”规划等政策的推出，高炉冶炼智能化升级转型得到更加广泛的关注。由于高炉生产涉及的调控参数众多且数据体量庞大，加上数据具有非线性、非高斯和滞后性等特点，使得大数据和人工智能技术在高炉智能化转型过程中拥有较大的发展空间和应用前景。首先从高炉智能预测、智能监测、智能评价和大数据平台4个方面
-
人工智能视域下电子信息工程专业建设路径分析
来源:互联网周刊 发布日期:2023-02-05
人工智能技术对电子信息领域产生的重要影响，主要表现在对原有电子信息与技术架构方面。可见，以人工智能为背景研究电子信息工程专业建设非常必要。通过文献查阅与实践工作开展总结分析可知，在人工智能视域下，电子信息工程专业建设需从宏观政策上入手加强引导、从课程体系建设入手实现全面改革、从外部资源条件入手加强充实完善力度、从保障建设入手加大师资团队培养力度，从而为提高人工智能视域下电子信息工程专业建设效果提供
-
基于人工智能的机械设计制造及其自动化实践研究
来源:现代工业经济和信息化 发布日期:2023-01-30
随着科技的不断发展，人类社会逐步迈入机械化、人工智能化时代，我国的机械制造水平在自动化技术的促进下有了显著提升。将人工智能应用于机械设计制造技术中，能够节约大量的人力、物力和财力，为制造企业创造良好的发展条件。基于人工智能的机械设计制造及自动化实践展开探究，以期能进一步发挥机械与自动化技术的积极功效，切实维护我国制造行业的稳定发展。
-
人工智能在汽车驾驶领域的应用
来源:农业开发与装备 发布日期:2023-01-28
近年来，随着社会经济的发展和科技的进步，我国已进入科技社会，人工智能技术引起了人们的高度关注，并被广泛应用到建设、交通、生活等多个领域中。在汽车驾驶领域应用人工智能技术可在为人们带来便利的同时，增加人们出行的舒适度，还可有效降低交通事故的发生率。基于此，首先阐述了人工智能技术和汽车智能驾驶技术的相关概念，然后分析了人工智能在汽车驾驶领域的具体应用，并对未来发展前景进行了展望。
-
人工智能技术发展历程及在农业机械上的应用
来源:农业科技与装备 发布日期:2023-01-20
人工智能因可降低劳动强度和减少伤害风险而广泛应用于现代农业发展进程中，人工智能技术已贯穿农业生产的各个阶段。在介绍国内外农机人工智能技术发展历程的基础上，分析了人工智能技术在作业质量监测、多机协同作业、生产过程监管等方面的应用情况，为人工智能技术在农业机械上的应用提供理论参考。
027-87841330