本文以WoS数据库和CNKI数据库为样本,使用HistCite分析了Kano模型的研究现状,然后分析了Kano模型的引用网络,比较了Kano模型研究的主题和重点。 最后,根据引文网络和研究主题,提出了Kano模型的未来发展方向。
1
Chinese : 通过利用云计算架构和服务来进行集中计算,特别是当物联网 (IoT) 场景想要将计算所产生的洞察力反馈给终端设备时,我们会遇到带宽拥塞的实际限制,结果导致高潜伏。 边缘计算随着不同的实现而出现,以逐渐消除这些限制障碍。 当前的网络与边缘计算的成功有关,以便在为最终用户提供服务方面取得进步,例如从当前的 4G 网络基础设施向 5G 增强型网络基础设施的转变。 本文的目的有两个:首先,回顾边缘计算的概念和技术。 这包括云计算、新兴的边缘计算及其实现、现有术语之间的比较以及可穿戴设备场景的概述。 其次,本文对在我们的项目中用于实施边缘计算设置的两种有前途的技术进行了调查。 这些是 Azure 云服务和 Raspberry Pi 边缘设备。西班牙语:Al aprovechar la arquitectura y los servicios de computación en la nube para hacer un cómputo centralizado, especialmente cuando los escenarios de Internet de las cosas (IoT) quieren reaccionar a conpart resultantes de ese cómputo de regreso a los dispositivos finales, entonces nos topamos con limitaciones reales de congestión de ancho de banda y la alta latencia resultante。 Edge Computing llega a existingir con diferentes implementationaciones para eliminar gradientmente estas barreras a las limitaciones。 Las redes actuales se relacionan con el éxito de la informática de la informática de punta para hacer unavance en sus servicios a los usuarios finales,como el cambio de la infraestructura de red 4G actual a una mejorada 5G。 Este documento tiene dos objetivos: en lugar, se ofrece una revisión de los conceptos y la tecnología de la informática de punta。 Esto incluye la computación en la nube、la computación de bordeemergente y sus implementaciones、la comparación entre las terminologíasexistentes y una descripción general de los escenarios de dispositivos portátiles。 En segundo lugar, el documento presenta unainvestigación de dos tecnologías prometedoras que se han Adoptado para implementar la configuración informática de borde en nuestro proyecto。 Estos son el servicio en la nube de Azure y los dispositivos de borde Raspberry Pi。 Palabras clave: Computación en la nube; 波尔多计算; 尼布拉计算; 物联网; 蔚蓝服务。
2021-12-27 16:44:16 802KB Cloud computing edge
1
物流无人技术系列研究:智能快递柜发展现状与未来方向.pdf
2021-07-04 19:01:33 1.38MB 交通物流 数据研究 数据报告 行业分析
强化学习最新综述新鲜出炉。在这篇文章中,作者对强化学习进行了全面的研究,包括现有的挑战、不同技术的最新发展以及未来的发展方向。文章致力于提供一个清晰简单的研究框架,能够为新的研究人员或者想全面了解强化学习领域的人提供一个参考。
2021-04-28 09:38:55 437KB RL
1
知识图谱的概念由谷歌于2012年提出,随后逐渐成为人工智能领域的一个研究热点,已在信息搜索、自动问答、决策分析等应用中发挥作用。
2021-03-01 13:06:35 2.6MB 知识图谱构建技术
1
【2018 最新】deep learning 纽约大学教授Gary Marcus长文对深度学习的现状及局限性批判性探讨 + Deep Learning-LeCun、Bengio和Hinton三大牛的综述[2015]。讲解讨论了深度学习是什么?深度学习能做好什么? 深度学习的局限性、过度炒作的潜在风险、更好的人工智能方法是什么?等非常核心的问题,对机器学习、深度学习研究者和学习者启发很大!
2019-12-21 18:58:49 1.67MB 深度学习 局限性 未来方向
1