- 本节书摘来自华章计算机《Python大规模机器学习》一书中的第1章，第1.3.1节，作者是［荷］巴斯蒂安·贾丁（Bastiaan Sjardin）［意］卢卡·马萨罗（Luca Massaron）［意］阿尔贝托·博斯凯蒂（Alberto Boschetti）王贵财刘春明译。 本节书摘来自华章计算机《Python大规模机器学习》一书中的第1章，第1.3.1节，作者是［荷］巴斯蒂安·贾丁（Bastiaan Sjardin）［意］卢卡·马萨罗（Luca Massaron）［意］阿尔贝托·博斯凯蒂（Alberto Boschetti）王贵财刘春明译。
- 本节书摘来自华章计算机《Python大规模机器学习》一书中的第1章，第1.2.5节，作者是［荷］巴斯蒂安·贾丁（Bastiaan Sjardin）［意］卢卡·马萨罗（Luca Massaron）［意］阿尔贝托·博斯凯蒂（Alberto Boschetti）王贵财刘春明译。 本节书摘来自华章计算机《Python大规模机器学习》一书中的第1章，第1.2.5节，作者是［荷］巴斯蒂安·贾丁（Bastiaan Sjardin）［意］卢卡·马萨罗（Luca Massaron）［意］阿尔贝托·博斯凯蒂（Alberto Boschetti）王贵财刘春明译。
- 本节书摘来自华章计算机《Python大规模机器学习》一书中的第1章，第1.2.2节，作者是［荷］巴斯蒂安·贾丁（Bastiaan Sjardin）［意］卢卡·马萨罗（Luca Massaron）［意］阿尔贝托·博斯凯蒂（Alberto Boschetti）王贵财刘春明译。 本节书摘来自华章计算机《Python大规模机器学习》一书中的第1章，第1.2.2节，作者是［荷］巴斯蒂安·贾丁（Bastiaan Sjardin）［意］卢卡·马萨罗（Luca Massaron）［意］阿尔贝托·博斯凯蒂（Alberto Boschetti）王贵财刘春明译。
- 本节书摘来自华章计算机《Python大规模机器学习》一书中的第1章，第1.1.4节，作者是［荷］巴斯蒂安·贾丁（Bastiaan Sjardin）［意］卢卡·马萨罗（Luca Massaron）［意］阿尔贝托·博斯凯蒂（Alberto Boschetti）王贵财刘春明译。 本节书摘来自华章计算机《Python大规模机器学习》一书中的第1章，第1.1.4节，作者是［荷］巴斯蒂安·贾丁（Bastiaan Sjardin）［意］卢卡·马萨罗（Luca Massaron）［意］阿尔贝托·博斯凯蒂（Alberto Boschetti）王贵财刘春明译。
- 本节书摘来自华章计算机《Python大规模机器学习》一书中的第1章，第1.1.2节，作者是［荷］巴斯蒂安·贾丁（Bastiaan Sjardin）［意］卢卡·马萨罗（Luca Massaron）［意］阿尔贝托·博斯凯蒂（Alberto Boschetti）王贵财刘春明译。 本节书摘来自华章计算机《Python大规模机器学习》一书中的第1章，第1.1.2节，作者是［荷］巴斯蒂安·贾丁（Bastiaan Sjardin）［意］卢卡·马萨罗（Luca Massaron）［意］阿尔贝托·博斯凯蒂（Alberto Boschetti）王贵财刘春明译。
- 工业装备在运行过程中，早期微弱故障的诊断一直是一项具有挑战性的任务。由于早期故障特征微弱且极易被背景噪声淹没，传统的诊断方法往往难以取得理想的效果。为了应对这一难题，发表在期刊 Structural Health Monitoring 上的论文《Deep exponential excitation networks: toward stronger attention mechanism ... 工业装备在运行过程中，早期微弱故障的诊断一直是一项具有挑战性的任务。由于早期故障特征微弱且极易被背景噪声淹没，传统的诊断方法往往难以取得理想的效果。为了应对这一难题，发表在期刊 Structural Health Monitoring 上的论文《Deep exponential excitation networks: toward stronger attention mechanism ...
- 在工业生产中，旋转机械如齿轮箱和轴承等部件长期运行在恶劣的环境下，其振动信号往往夹杂着大量的背景噪声。传统的信号分析和深度学习方法在面对强噪声干扰时，特征提取能力往往会显著下降，导致故障诊断精度受限。为了应对这一挑战，学术界提出了一种新型的深度学习架构。发表在《IEEE Transactions on Industrial Informatics》上的论文 "Deep Residual Sh... 在工业生产中，旋转机械如齿轮箱和轴承等部件长期运行在恶劣的环境下，其振动信号往往夹杂着大量的背景噪声。传统的信号分析和深度学习方法在面对强噪声干扰时，特征提取能力往往会显著下降，导致故障诊断精度受限。为了应对这一挑战，学术界提出了一种新型的深度学习架构。发表在《IEEE Transactions on Industrial Informatics》上的论文 "Deep Residual Sh...
- 在复杂工业设备的故障诊断领域，纯粹的数据驱动方法往往因为缺乏物理机理支撑而面临黑盒困境，导致决策过程难以被工程师信任。为了解决这一痛点，最新发表的一项研究提出了名为热力学仿真辅助随机森林（TSRF）的架构。该研究在论文《Thermodynamic simulation-assisted random forest: Towards explainable fault diagnosis of... 在复杂工业设备的故障诊断领域，纯粹的数据驱动方法往往因为缺乏物理机理支撑而面临黑盒困境，导致决策过程难以被工程师信任。为了解决这一痛点，最新发表的一项研究提出了名为热力学仿真辅助随机森林（TSRF）的架构。该研究在论文《Thermodynamic simulation-assisted random forest: Towards explainable fault diagnosis of...
- ORACLES Aerosol Cloud Aircraft Remote Sensing Data简介ORACLES_AerosolCloud_AircraftRemoteSensing_Data 是 ORACLES（云上气溶胶及其相互作用观测）项目期间，由 P-3 Orion 或 ER-2 飞机搭载收集的遥感气溶胶和云测量数据。这些数据收集于 2016 年 8 月 19 日至 2016... ORACLES Aerosol Cloud Aircraft Remote Sensing Data简介ORACLES_AerosolCloud_AircraftRemoteSensing_Data 是 ORACLES（云上气溶胶及其相互作用观测）项目期间，由 P-3 Orion 或 ER-2 飞机搭载收集的遥感气溶胶和云测量数据。这些数据收集于 2016 年 8 月 19 日至 2016...
- 大模型运行逻辑详解 大模型运行逻辑详解
- 航空发动机作为飞机的核心部件，其运行安全直接关系到飞行安全。为了保障发动机的安全运行，提前检测出潜在的异常是一项至关重要的任务。然而，在实际运行中，由于发动机大部分时间处于正常状态，所收集的数据存在严重的类别不平衡问题，且早期异常数据与正常数据高度相似，导致严重的类别重叠。针对这一挑战，最新发表在《Computers in Industry》上的论文《Deep attention SMOTE... 航空发动机作为飞机的核心部件，其运行安全直接关系到飞行安全。为了保障发动机的安全运行，提前检测出潜在的异常是一项至关重要的任务。然而，在实际运行中，由于发动机大部分时间处于正常状态，所收集的数据存在严重的类别不平衡问题，且早期异常数据与正常数据高度相似，导致严重的类别重叠。针对这一挑战，最新发表在《Computers in Industry》上的论文《Deep attention SMOTE...
- 燃气轮机长期运行在高温、高压及高速等极端恶劣工况下，其关键部件的早期故障诊断对于保障运行安全至关重要。然而在工程实际中，收集到的故障样本往往非常稀少，面临严重的类不平衡问题，同时处于退化初期的故障数据与正常数据存在高度的类间重叠，这给深度学习模型的准确识别带来了极大的挑战。针对这些难题，最新发表在《Expert Systems with Applications》上的一篇论文提出了名为“Fe... 燃气轮机长期运行在高温、高压及高速等极端恶劣工况下，其关键部件的早期故障诊断对于保障运行安全至关重要。然而在工程实际中，收集到的故障样本往往非常稀少，面临严重的类不平衡问题，同时处于退化初期的故障数据与正常数据存在高度的类间重叠，这给深度学习模型的准确识别带来了极大的挑战。针对这些难题，最新发表在《Expert Systems with Applications》上的一篇论文提出了名为“Fe...
- 在复杂工业系统的健康管理（PHM）中，准确的数据收集是开展状态监控和寿命预测的基础。然而，航空发动机在实际运行中，由于传感器故障、恶劣工况超限或人工维护疏忽，常常面临关键退化状态数据丢失的问题。针对这一难题，近期发表于《Neurocomputing》的一篇研究论文提出了CUR-Estimator: Towards reliable missing data imputation for ae... 在复杂工业系统的健康管理（PHM）中，准确的数据收集是开展状态监控和寿命预测的基础。然而，航空发动机在实际运行中，由于传感器故障、恶劣工况超限或人工维护疏忽，常常面临关键退化状态数据丢失的问题。针对这一难题，近期发表于《Neurocomputing》的一篇研究论文提出了CUR-Estimator: Towards reliable missing data imputation for ae...
- 桑叶病害目标检测数据集：16,000张图像 | 目标检测源码数据分享通过网盘分享的文件：桑叶病害目标检测数据集 链接: https://pan.baidu.com/s/1k0d4Y7RVmtIT1j_gSnAdNw?pwd=h4c9 提取码: h4c9一、引言：蚕桑产业链中的"病害哨兵"桑树种植是蚕桑产业的基础，桑叶质量直接关系到蚕的健康生长与丝绸品质。然而，桑叶病害一直是困扰桑农的重大问题... 桑叶病害目标检测数据集：16,000张图像 | 目标检测源码数据分享通过网盘分享的文件：桑叶病害目标检测数据集 链接: https://pan.baidu.com/s/1k0d4Y7RVmtIT1j_gSnAdNw?pwd=h4c9 提取码: h4c9一、引言：蚕桑产业链中的"病害哨兵"桑树种植是蚕桑产业的基础，桑叶质量直接关系到蚕的健康生长与丝绸品质。然而，桑叶病害一直是困扰桑农的重大问题...
- 在电动汽车和储能系统蓬勃发展的背景下，准确在线评估锂离子电池的健康状态（SOH）对于系统的安全高效运行具有关键作用。然而，面对低温环境、复杂充放电协议以及极其有限的早期训练数据时，传统估算方法的表现往往受到很大局限。针对这一难题，科研人员在论文《Deep transfer learning enabled online state-of-health estimation of lithiu... 在电动汽车和储能系统蓬勃发展的背景下，准确在线评估锂离子电池的健康状态（SOH）对于系统的安全高效运行具有关键作用。然而，面对低温环境、复杂充放电协议以及极其有限的早期训练数据时，传统估算方法的表现往往受到很大局限。针对这一难题，科研人员在论文《Deep transfer learning enabled online state-of-health estimation of lithiu...
上滑加载中
推荐直播
-
用码道，让你的AI作品三步上朋友圈2026/08/04 周二 19:00-20:00
林华鼎-华为云AI开发者运营负责人
从入门 · 到做AI应用 · 到企业级开发。不教编程，只教用AI · 零代码、有产出、能带走、可炫耀 · 每课人人动手实操
回顾中 -
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中
热门标签