2019年度赛迪数字孪生白皮书信息,数字乱上正在成为全球信息技术发展的新焦点,跨国企业业务布局的新方向,主要国家数字化转型的新抓手
2022-02-20 18:08:39 7.04MB 数字孪生 物联网 制造业
1
数字挛生体是现有或将有的物理实体对象的数字模型,通过实测、仿真和数据分析来感知、诊断、预测物理实体对象的状态,通过优化和指令来调控物理实体对象的行为,通过数字模型间的相互学习来进化自身,同时改变利益相关方在物理实体对象生命周期内的决策。
2022-02-20 18:03:17 8.26MB 数字挛生体 系统参考架构 2019白皮书
1
2021年数字孪生电网白皮书.pdf
2022-02-18 09:02:53 5.58MB 区块链 2021年数字孪生电网白皮书
传统的图像融合算法多有计算复杂程度高、不能有效提取图像纹理等不足,为了弥补以上传统算法,提出了一种基于孪生卷积神经网络(Siamese Convolutional Neural Network,Siamese CNN)的图像融合方法.首先,用孪生卷积神经网络生成一个权重图,该权重图包含了来自两个待融合图像的全部像素信息.然后,用图像金字塔对像素以多尺度的方式进行融合,并且采用了局部相似性策略自适应调整分解系数的融合模式.最后,和现存的几种图像融合的方法进行了对比.实验证明,该方法有较好的融合效果,具有一定的可实用性.
1
在NLP中孪生网络基本是用来计算句子间的语义相似度的。其结构如下在计算句子语义相似度的时候,都是以句子对的形式输入到网络中,孪生网络就是定义两个网络结构分别来表征句子对中的句子,然后通过曼哈顿距离,欧式距离,余弦相似度等来度量两个句子之间的空间相似度。孪生网络又可以分为孪生网络和伪孪生网络,这两者的定义:孪生网络:两个网络结构相同且共享参数,当两个句子来自统一领域且在结构上有很大的相似度时选择该模型;伪孪生网络:两个网络结构相同但不共享参数,或者两个网络结构不同,当两个句子结构上不同,或者来自不同的领域,或者时句子和图片之间的相似度计算时选择该模型;另外孪生网络的损失函数一般选择Contras
1
匹配问题是是很多计算机视觉应用问题的基础。我考虑到图像会发生大规模的形貌尺度等变化,所以直接训练了一个CNN模型进行参数拟合。特别的,我研究了很多的神经网络框架,主要探索了那些网络结构更胜任图像匹配问题。同时,我也进行了大量的数据测试,结果证明,采用孪生网络进行图像匹配具有非常大的优势。 图1.缩略图。我的目标在于学习一个通用的相似性测度函数,并应用于图像匹配中。为了编码这样一个函数,我大量探索了卷积神经网络结构。为了研究不同网络结构的速度与时间的考量,我研究了当下最普遍的双通道卷积网络、孪生卷积网络、伪孪生网络。图2.我研究的三
1
数字孪生应用白皮书(2020版),本白皮书力求以较为浅显易懂的方式对数字孪生 相关定义、特征进行阐述,并针对当前数字孪生的技术热点、应用领域、产业情况和标准化工作进展进行了分析。白皮书涵盖了 6 个领域共计 31个数字孪生应用案例。 本白皮书通过梳理数字孪生技术和产业应用发展情况,分析数字孪生技术热点、行业动态和未来趋势,提出相关的标准化工作需求,希望可以作为数字孪生技术领域、产业发展和标准化之间的初始连接纽带,加快推动数字孪生发展应用。
2022-02-10 09:03:16 19.66MB 数字孪生 数字化 数字化转型 技术领域
1
《能源电力系统数字孪生》主要探讨内容:什么是数字孪生?有什么应用价值?数字孪生变电站和应用平台该如何搭建?详细内容请参见文档: 20210电力系统深度研究报告:能源电力系统数字孪生.pdf
27_稠油数字孪生系统解决方案.pdf
2022-01-30 11:02:15 2.77MB 数字孪生 人工智能 智能感知 远程控制