检索结果-内蒙古大学图书馆

韧性交通：品质与服务——2023年中国城市交通规划年会

作者：魏建华郑东东渠华刘洪宇郑州天迈科技股份有限公司

城市公共交通领域在多年运行中积累了大量数据和业务,综合运筹优化、机器学习、深度学习等方法,对公交排班业务、客流分析预测、出租车客业务、新能源公交充电场站排班,构建算法模型,采用远程调用对算法服务化,同时做身份认证保证算法... 详细信息

城市公共交通领域在多年运行中积累了大量数据和业务,综合运筹优化、机器学习、深度学习等方法,对公交排班业务、客流分析预测、出租车客业务、新能源公交充电场站排班,构建算法模型,采用远程调用对算法服务化,同时做身份认证保证算法服务的安全性,使用gateway做二次转发,结合容器即服务(CaaS)使用Docker对算法进行封装,使得算法解耦,易部署,高并发。同时使用kubernetes容器调度,对算法进行监控和回滚更新。构建高并发、高可用的软件系统,为算法模型的训练、执行、管理提供可靠的运行环境。

关键词：公共交通容器调度算法服务容器即服务(CaaS)

来源：评论

学校读者我要写书评

暂无评论

无人系统数据融合流水线架构设计

引用

计算机应用 2024年第8期44卷 2536-2543页

作者：刘艺杨国利郑奇斌李翔周杨森陈德鹏北京大数据先进技术研究院北京100195

传感器是无人系统智能化行动的基础,而通过融合多传感器的数据能增强无人系统的智能感知和自主决策能力,提升无人系统的可靠性和鲁棒性。无人系统的数据融合面临传感器类型多样、数据格式异构、数据融合分析的实时性强,以及算法模型种... 详细信息

传感器是无人系统智能化行动的基础,而通过融合多传感器的数据能增强无人系统的智能感知和自主决策能力,提升无人系统的可靠性和鲁棒性。无人系统的数据融合面临传感器类型多样、数据格式异构、数据融合分析的实时性强,以及算法模型种类复杂、更新演化快等挑战,传统定制化开发前端融合模型和基于后端融合平台的方法难以适用。因此,提出一种面向数据融合的流水线平台,以支持数据自动转换、算法灵活组合、模型高可配置、功能快速迭代,且能面向任务,动态、快速构建数据融合模型并提供信息服务。在剖析无人系统数据融合流程和技术体系的基础上,设计流水线框架及其关键功能构件,分析亟待突破的关键技术,给出框架的运行方式和实际案例,探讨未来的发展方向。

关键词：数据融合无人系统流水线感知数据算法服务

来源：评论

学校读者我要写书评

暂无评论

电动汽车电池监控平台算法管理系统的设计与实现

电动汽车电池监控平台算法管理系统的设计与实现

引用

作者：卢其利南京大学

学位级别：硕士

发展新能源汽车产业是我国实现节能减排和汽车工业“弯道超车”的重大战略。电动汽车(EV)是目前新能源汽车的主要代表,保证汽车动力电池安全性已经成为人们普遍关注的话题之一,市场对电池安全状态的精准估计和检测的需求日益强烈。研发... 详细信息

发展新能源汽车产业是我国实现节能减排和汽车工业“弯道超车”的重大战略。电动汽车(EV)是目前新能源汽车的主要代表,保证汽车动力电池安全性已经成为人们普遍关注的话题之一,市场对电池安全状态的精准估计和检测的需求日益强烈。研发电池监控平台对车辆电池状态进行监控,并在电池出现安全故障或发生故障前发出报警,是保护司乘人员安全的重要措施。电池监控平台以大量的电池数据为基础,需要系统提供大量算法模型服务,而算法开发人员无法做到手动管理数量众多的算法任务,迫切需要算法管理系统(即Proxima)提供多业务管理、算法元数据管理、算法参数管理、结果管理以及算法调度与监控等功能。本文介绍了项目开发背景与相关研究与应用现状,阐明了系统开发的必要性,简要介绍了系统开发中使用到的技术。在系统分析与总体设计中,文章说明了系统总体规划,界定了系统边界,简要介绍了项目在电池监控平台中发挥的作用,分析了系统需求,提炼出了多业务管理、算法元数据管理、算法参数管理、算法调度与监控以及算法结果管理等功能。文章阐述了系统工作原理,通过架构设计、通讯设计、功能组成设计、部署设计等方法,对系统进行总体设计,分析设计了系统数据库。利用类图、时序图等描述方法,对各个功能模块关键功能进行详细介绍,并给出具体的实现细节与结果,对系统进行了测试,测试结果符合预期。本系统作为电池监控平台的重要组成部分已投入使用,应用结果良好,较好地解决了算法上线流程不规范、算法数据难管理、算法服务调度效率低下以及算法运行结果分散等问题,为企业电池业务提供了良好的基础服务。

关键词：电动汽车电池监控算法管理算法服务多业务

来源：评论

学校读者我要写书评

暂无评论

基于影像数据的医院科研云系统的设计与实现

基于影像数据的医院科研云系统的设计与实现

引用

作者：虢鲁新华南理工大学

学位级别：硕士

随着深度学习的快速发展,人工智能(AI)的实际应用场景不断扩展,如在计算机视觉和自然语言处理等领域,深度学习算法取得了成功的应用。在医疗领域,临床医生、放射诊断医师等医院科研人员逐渐使用深度学习等AI算法来对影像数据进行分析和... 详细信息

随着深度学习的快速发展,人工智能(AI)的实际应用场景不断扩展,如在计算机视觉和自然语言处理等领域,深度学习算法取得了成功的应用。在医疗领域,临床医生、放射诊断医师等医院科研人员逐渐使用深度学习等AI算法来对影像数据进行分析和处理。在影像数据的分析和处理中,医院科研人员需要与AI工程师进行协作,以更好地利用AI技术开展医院的科研及临床实践工作。本文针对基于影像数据的医院科研云系统开展研究,利用虚拟化容器引擎、工作流调度系统和机器学习框架,设计并实现了影像数据共享、AI模型训练、模型推理等功能的医院科研云系统。通过医院科研云系统,医院研究人员可以上传医院的影像数据,对影像数据的标签信息进行管理,以及利用AI模型对影像数据进行分析;AI工程师可以对AI模型进行更新、训练和改进。在系统需求分析和概要设计的基础上,采用模块化的设计思路,将基于影像数据的医院科研云系统划分为用户管理、数据标注与共享、算法引擎、算法服务和模型管理等五个主要模块。其中用户管理模块负责管理系统的用户功能,包括用户注册、登录、操作权限等;数据标注与共享模块负责医学影像数据的获取、标注和存储,包括医院研究人员上传自己的影像数据、公开的影像数据集,以及对影像数据的标签信息进行添加、删除和修改等;算法引擎模块是对模型进行训练和评估,AI工程师可以选择数据预处理方法、训练使用的数据集,以及设置常用的超参数等;算法服务模块包括模型推理和模型对比的功能,为医院的研究人员提供对影像数据进行分析的能力,并作为AI工程师对模型进行优化的依据;模型管理模块主要负责对模型文件的导入、导出以及删除操作,AI工程师可以通过系统提供的接口上传本地开发的模型,也可以下载其他AI工程师上传的模型文件。本文构建了基于影像数据的医院科研云系统测试环境,并以细胞显微图像分割与识别为例,对系统进行功能与性能测试,测试结果表明医院科研云系统方案的有效性。

关键词：医院科研云系统影像数据算法引擎算法服务模型管理

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：