机器学习在预测性维修数据集中地应用

<正>随着科技的发展使用新技术并适应使工业进入了新时代。大数据、新设备、连接、定制、和受控生产促进产生了工业4.0.为满足德国“第四次工业革命”中宣布的创新和变革需求所创建的术语。大量的数据使这一代信息的关键,这些信息可以进行预测或对预测性决策进行协助。Lee等人在2013提出了“制造业需要转变为预测制造业”的观点促进了我们的研究。预测性维护（PdM）是依靠历史数据、模型和领域知识的。它可以通过统计学或机器学习模型预测趋势、行为和相关性,通过提前预测暂未出现的故障,进而改善维护活动的决策过程,通过此种方法来避免停机时间。     

预测性维修体系在大型传动系统维护中的应用路线

本文指出当前设备维修模式已进入预测性维修新阶段,阐述了预测性维修体系的框架及在热连轧线九套大型主传动系统维修中预测性维修体系的构建和具体应用,最终实现大型传动系统从定性维修到定量维修、预知预测维修模式的转变,取得了零故障、零轧废的高可靠性应用效果,为设备管理新理念在实战中的应用提供了技术路线。     

大数据背景下机器学习在数据挖掘中的应用浅析

随着信息化时代的到来,人类活动产生的信息数据越来越多,通过对于相关数据进行收集、筛选、整理、分析与共享,能够不断指导社会生产与生活,使得人类经济发展更加合理而科学。在信息数据规模不断增加、变化不断加快的当下,传统的机器学习已经不能够满足社会发展的需求。在大数据时代,只有充分利用大数据技术的优势,促进机器学习的不断优化,才能够更好地服务于社会生产和生活,这是实现数据挖掘有效性提升的关键所在。本文将通过分析大数据背景下机器学习的概念与优势,探索大数据背景下机器学习在数据挖掘中的应用。     

基于数据集XML的异构系统集成技术研究

分析目前应用系统跨平台现状,提出一种基于XML技术的数据交互方案,阐述XML数据转换以及传输的主要关键技术,总结了该技术方案在电子政务、电子商务以及企业ERP领域的应用前景.     

大数据时代下机器学习的应用研究

大数据时代下数据的出现和传输呈现出了一种以几何形式增长的形态出现,不论是数据的规模、内容还是精确程度都为服务器的进步与完善带来了极大的挑战。本文以此为出发点,就大数据时代下机器学习的应用研究做详细深入的探究,主要针对当下机器学习的重要内容做分析。     

SDO在高校数据集成平台的应用研究

面向服务的架构思想的深入以及Web服务技术的推广为高校系统目前面临的各种异构的底层数据问题提供了有效的解决方案,其中的服务数据对象为异构数据提供了统一的数据应用开发框架。通过使用服务数据对象独特简约的数据模型,高校各应用程序摆脱了使用多种应用程序接口和框架进行数据访问的复杂工作,从而使软件开发人员只需了解其中一种API便可操作各种异构数据,从而实现数据集成。     

分布式数据集总在intouch中的应用

文章讨论了在工业生产中普遍遇到的分布式设备的数据采集、集总监控的问题,综述了intouch软件中常用的数据通信框架和相应的具体实施方法,总结了分布式设备数据集总的应用前景。     

信息系统集成与数据集成策略应用研究

现阶段,随着企业信息化建设的不断加快,使得企业在不断发展的过程当中,逐渐形成了多个系统。在每一个系统当中,都包含着大量的数据。数据集成作为信息系统集成的重要支撑力量,全面加强对这些数据的研究分析与整合,对于企业接下来的发展来说具有重要意义。基于此,本文首先概述了信息系统集成与数据集成的基本理念;其次分析了集成系统与数据集成之间的关系;再次分析了数据集成模型分类;最后探讨了异构数据源之间的数据转换策略。     

无结构化数据集成方法在数字图书馆中的应用

针对数字图书馆中的图像、视频、音频等无结构化数据的集成问题,提出了语义对象模型的概念,实现无结构化数据的统一全局对象表示。在此基础上,提出了一种以XML数据模型为基础的无结构化数据集成方法。     

XML技术在异构数据库数据集成中的应用

为了解决高校数字化校园建设中的"信息孤岛"问题,本文利用XML技术,提出了一种异构数据库数据集成的解决方案,并根据此方案设计出数据集成中间件,其中重点阐述了中间件的构造过程和和主要模块的实现原理。     

代理键技术在信息数据集成中的应用

信息技术已经成为计算机应用技术的一个重要领域,而信息与系统集成技术则是信息技术的重要方面,是信息化应用的技术基础。对代理键技术在信息数据集成中的应用进行了研究。     

一种基于机器学习的数据库集成方法

数据分析整合方式可以提升数据库的泛化能力和分析准确度,被普遍重视.当前数据分析整合方式已被广泛应用在图片信息处理、生物信息学和电脑视觉等应用领域.当前常使用的集成化教学方式,通过多种基分类器进行机器学习,同时采用一种整合方式把多种基分类器的所学成果整合到一起,由于信息量的逐步扩大,数据库整合问题也日益复杂化,很难提高整...     

地理数据成果对于在线服务数据集的应用

本文概述了地理数据成果从数据的提取、加工到对在线服务数据集的应用,分析了在这个数据加工过程中所用的各类方法,形成一个现势性高,负载量大,结构合理的在线服务数据集,并为基于数据集的在线数据服务分析做出了强大的数据支持。     

数据集成技术在陕西省防汛信息整合中的应用

水利信息化建设是水利现代化的重要标志,防汛信息化建设是水利信息化建设的一项重要内容。随着防汛信息化系统建设的不断发展,信息孤岛现象便呈现出来。如何迅速、可靠的整合防汛信息,实现资源共享,为防汛抢险、抗洪救灾及时、准确地提供各种汛情信息．提高防汛快速反应能力,是值得研究的课题。本文分析数据集成难点,比较各种数据集成方法的特点,叙述数据集成技术在陕西省防汛工作中的应用实践。     

煤矿数据集成技术研究与应用

本文分析了当前煤炭企业信息化水平低,信息孤岛现象严重,应用系统间相互隔离无法协同工作以及更上层次的集成应用更加困难的问题,提出了数据集成的目标,设计了该系统的体系结构,从而解决了不同平台间异构系统互操作以及数据多级综合利用的问题。并结合本系统的体系结构,详述了系统设计流程、实现过程和模式集成示例。     

产品数据管理系统的应用集成技术研究

针对当前工程机械设计和企业信息管理过程中存在的数据类型多、数据信息量大等问题,研究了PDM的应用集成的体系结构,构建了PDM与CAD/CAPP/CAM的集成框架,提供了基于PDM的企业全局信息集成框架,实现了应用工具与底层数据环境的系统集成和系统的无缝连接。     

用电数据集成应用系统建设初探

本文根据供电企业内部各类信息系统互不相干、条块分割的现状,提出了建设用电数据集成应用系统的设想、技术路线和总体架构,重点介绍了中间件技术在系统中的应用。     

信息系统集成与数据集成策略

作为信息系统集成体系的核心数据集成,对于企业数据资源管理和数据资产价值的实现具有重要意义。本文首先对信息系统集成以及数据集成概念含义进行阐述,结合二者之间的内在关系对数据集成模型基本分类和难点进行介绍,重点关注数据源异构性和转换的方法,并在此基础上进行前景展望。     

基于遗传算法优化的XGBoost在超导体数据集上的应用

<正>近年来,人工智能（AI）尤其是机器学习（ML）和深度学习（DL）的应用愈加广泛,同样也应用在了材料物理学中。具体想法是通过使用材料数据集中的信息,可以预测具有某些所需属性的新材料。尤其是在预测超导体材料的临界温度或者更普遍的属性。在Zhou等人的文献中,他们尝试从大型数据库的化合物中学到了原子的性能。经过这种方法的启发,本文对预测新的超导材料以及临界温度方面做出了类似的尝试。对于预测临界温度的模型我们提出了一种基于遗传算法优化的XGBoost的模型,因传统的遗传算法具有收敛速度慢,已陷入局部最优解等问题,我们对遗传算法的变异和交叉方法做出了改进,使其都一定程度上地解决了上述问题。     

机器学习在大数据中的常用方法及其重要性

正本文针对机器学习在大数据中的应用,提出的观点在大数据行业(或领域)起到关键作用。如付诸现实将产生大量的经济效益。伴随着大数据时代的来到,大数据吸引了众多学术界和产业界人士的关注。大数据的特征被归纳为5V:Volume、Velocity、Variety、Value、veracity。大数据在各种行业和领域已经得到了广泛应用。从数据仓库到BI和data mining;从自动驾驶到智能搜索;包括云计算、并行计算等在内的技术,极大的提高了人们的生产生活水平,正在改变着人们的生产生活方式,如何从大数据中挖掘出人们需要的知识,需要充