為您找到相關(guān)結(jié)果 3895 篇
-
海量數(shù)據(jù)集市，并借助大模型技術(shù)，打造數(shù)智監(jiān)管員。系統(tǒng)通過(guò)全景總量、市場(chǎng)監(jiān)管、證件管理、內(nèi)部監(jiān)管、隊(duì)伍建設(shè)、指揮調(diào)度六大板塊，實(shí)時(shí)融通數(shù)據(jù)，智能生成
-
。DeepSeek不迷信“大力出奇跡”但從行業(yè)屬性來(lái)看，DeepSeek所在的人工智能領(lǐng)域，有一個(gè)幾乎被認(rèn)證的規(guī)律——大力出奇跡。這一規(guī)律強(qiáng)調(diào)的是，在人工智能大模型的研發(fā)
-
大模型的復(fù)雜性，劉真丞與其他選手共同探討實(shí)踐，通過(guò)不斷嘗試不同的訓(xùn)練方法和優(yōu)化策略，他逐漸掌握了大模型的訓(xùn)練技巧，為省賽的成功增添了重要砝碼
-
啟動(dòng)階段生產(chǎn)出的不合格煙支在整個(gè)生產(chǎn)階段占比較高。為此，他們建立卷煙機(jī)啟動(dòng)階段控制模型，通過(guò)大數(shù)據(jù)分析、人工智能等技術(shù)，探索設(shè)備最優(yōu)運(yùn)行參數(shù)。該模型能減少啟動(dòng)
-
外觀檢測(cè)數(shù)據(jù)。在發(fā)現(xiàn)部分煙支外觀檢測(cè)的剔除數(shù)據(jù)存在異常波動(dòng)時(shí)，他運(yùn)用AI算法計(jì)算每個(gè)月的剔除數(shù)據(jù)后，不僅搭建完成了專(zhuān)門(mén)的預(yù)警值計(jì)算模型，還確定了煙支外觀檢測(cè)各類(lèi)
-
，設(shè)備狀態(tài)的信息就能全掌握。在制絲車(chē)間，基于多元SPC和多類(lèi)型關(guān)聯(lián)算法的卷煙產(chǎn)品質(zhì)量?jī)?yōu)化應(yīng)用場(chǎng)景中，SPC系統(tǒng)的水份鏈模型實(shí)現(xiàn)了快速計(jì)算，指導(dǎo)工序
-
營(yíng)銷(xiāo)工作過(guò)程中遇到的各種難題，推進(jìn)QC課題攻關(guān)。以提升卷煙市場(chǎng)數(shù)字化分析能力為目標(biāo)，制定《市場(chǎng)狀態(tài)評(píng)價(jià)調(diào)控模型》《客戶(hù)精準(zhǔn)拜訪模型》《消費(fèi)者行為分析模型》3個(gè)營(yíng)銷(xiāo)課題
-
;動(dòng)力車(chē)間大量研究國(guó)內(nèi)外數(shù)字化節(jié)能的新趨勢(shì)和日趨成熟的物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)技術(shù)，設(shè)計(jì)出一套用能—供能業(yè)務(wù)協(xié)同調(diào)度的工業(yè)模型。“以前武漢卷煙廠空調(diào)制冷系統(tǒng)的控制都是由操作工根據(jù)經(jīng)驗(yàn)來(lái)判斷啟停
-
遺傳風(fēng)險(xiǎn)評(píng)分，它可以用來(lái)識(shí)別有某些酒精和煙草使用行為風(fēng)險(xiǎn)的人。這套模型利用先前發(fā)現(xiàn)的基因變體信息來(lái)預(yù)測(cè)生活在美國(guó)的6092名歐洲裔的吸煙習(xí)慣和飲酒情況。但團(tuán)隊(duì)也注意到，盡管
-
設(shè)備運(yùn)行層面，需要通過(guò)構(gòu)建設(shè)備數(shù)字孿生模型，將參數(shù)、工藝、材料、流程等數(shù)據(jù)進(jìn)行模型化，做好分析指標(biāo)、從屬關(guān)系、往來(lái)數(shù)據(jù)源等屬性的配置，打通系統(tǒng)
