本文在分析智能制造對PID整定的新需求及PID整定面臨的挑戰難題的基礎上,將自動化的建模、控制與優化和人工智能的深度學習與強化學習深度融合與協同，提出了自適應與自主的PID整定的智能優化方法，包括端邊云協同的PID控制過程數字孿生模型和強化學習與數字孿生模型相結合的PID整定算法。
由于數據從邊緣產生，將部分機器學習任務部署到邊緣已成為必然趨勢。當機器學習應用逐步被部署到邊緣，距離用戶更近、面對更復雜環境的開放世界場景將從系統和算法兩個角度普遍、持續地影響邊緣智能應用的精度和運行。借鑒人類的學習機制，我們已發表一種邊云協同終身學習范式以針對上述開放世界中的邊緣智能問題。本文總結了邊云協同終身學習在理論走向實踐過程中遇到的三大技術挑戰：可擴展性、任務定義和未知任務，并通過6個工業和園區領域應用案例分享了相關技術探索和經驗。
隨著5G網絡商用部署步伐的加快，以5G網絡和MEC技術為基礎的移動通信網絡大帶寬（enhanced Mobile BroadBand，eMBB）、超高可靠超低時延（ultra Reliable Low Latency Communications，uRLLC）和海量連接（massive Machine Type Communication，mMTC）成為牽引5G應用落地的核心能力。在眾多的垂直行業需求中，以4K/8K高清視頻、增強現實/虛擬現實（Augmented Reality/Virtual Reality，AR/VR）為代表的視頻業務無疑是5G+MEC技術的“殺手锏”應用。本文以MEC平臺和云平臺部署位置、部署模式、部署條件、部署規模和平臺能力等差異為出發點，圍繞5G視頻業務用戶體驗，分析5G視頻業務終端視頻顯示能力對視頻文件帶寬需求的影響，提出基于面向用戶體驗的5G視頻業務邊云協同
到第 頁
友情鏈接
電話：010-62669087 控制網版權所有未經許可不得轉載
地址：北京市海淀區上地十街輝煌國際5號樓1416室(100085)
版權所有 控制網 京ICP備14036844-2號 北京市公安局海淀分局備案號：11010802023656號
名家名篇
北京市公安局海淀分局備案號：11010802023656號
今日頭條
官方微信
官方抖音
