CN113377806B - 一种嵌入式机器学习人工智能数据分析处理*** - Google Patents
一种嵌入式机器学习人工智能数据分析处理*** Download PDFInfo
- Publication number
- CN113377806B CN113377806B CN202110675140.9A CN202110675140A CN113377806B CN 113377806 B CN113377806 B CN 113377806B CN 202110675140 A CN202110675140 A CN 202110675140A CN 113377806 B CN113377806 B CN 113377806B
- Authority
- CN
- China
- Prior art keywords
- module
- result
- identification
- learning
- decision
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000010801 machine learning Methods 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 title claims abstract description 14
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 13
- 238000007405 data analysis Methods 0.000 title claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims description 39
- 238000012217 deletion Methods 0.000 claims description 16
- 230000037430 deletion Effects 0.000 claims description 16
- 230000000737 periodic effect Effects 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明公开一种嵌入式机器学习人工智能数据分析处理***，包括信号采集模块，所述信号采集模块连接有管理者决策模块与***决策模块，所述管理者决策模块与***决策模块共同连接有可信度判断模块，所述可信度判断模块连接有判断结果输出模块、提示模块与信号库，所述信号采集模块还通过智能学习***连接机器识别判断模块，所述机器识别判断模块连接有报错记录模块与结果参考模块，本发明实现了对无线电信号频段的分析识别功能，***自行迭代更新以进行频段识别，利于后期对***评估，对于缺少的识别频段可以及时提醒，进而使得工作人员及时补入。
Description
技术领域
本发明涉及一种嵌入式机器学习人工智能数据分析处理***，属于无线电信号分析***领域。
背景技术
对于无线电信号来说，在无线电技术中，波段是指电磁波频谱的划分，例如长波、短波、超短波等波段。其二是指发射机、接收机等设备的工作频率范围的划分，在无线电信号的采集过后，由于多种频段的存在，故而使得无线电识别处理过于不便，故而存在对于无线电难以进行分析识别处理的问题，对于识别***只能预先植入，不具备后期学习的功能，***需要不间断的人为更新，颇为不便，同时，对于***的识别结果难以作出评价。
发明内容
针对上述现有技术存在的问题，本发明提供一种嵌入式机器学习人工智能数据分析处理***，从而解决上述技术问题。
为了实现上述目的，本发明采用的技术方案是：一种嵌入式机器学习人工智能数据分析处理***，包括，其特征在于，所述信号采集模块连接有管理者决策模块与***决策模块，所述管理者决策模块与***决策模块共同连接有可信度判断模块，所述可信度判断模块连接有判断结果输出模块、提示模块与信号库，所述信号采集模块还通过智能学习***连接机器识别判断模块，所述机器识别判断模块连接有报错记录模块与结果参考模块，其中：
所述信号采集模块用来收集无线电信号；
所述管理者决策模块用来人工识别无线电信号类型；
所述***决策模块对无线电信号自动识别出结果；
所述可信度判断模块对无线电信号的识别结果准确度进行判断，若判断为正确则由判断结果输出模块输出无线电信号的正确识别结果，若判断为错误则由提示模块发出提示；
所述机器识别判断模块对智能学习***的识别结果进行判断，若判断为正确则由结果参考模块将识别的结果输出，若判断为错误则由报错记录模块对错误结果进行记录。
进一步的，所述信号库包括手动更新模块与手动输入模块，所述手动输入模块连接提示模块端口，所述手动更新模块用来人为更新信号库中的无线电信号与匹配频段，所述手动输入模块用来人为向信号库中输入无线电信号与匹配频段。
进一步的，所述智能学习***包括机器学习模块与机器训练模块，所述机器学习模块用来机器学习无线电信号的频段识别，所述机器训练模块用来将机器学习模块学习的识别模型进行运用以识别无线电信号频段。
进一步的，所述机器学习模块包括判断观测模块、误差计算模块、人为管理模块与学习模型更新模块，所述判断观测模块连接在误差计算模块与学习模型更新模块上，所述人为管理模块连接在误差计算模块上，所述判断观测模块用来观测***决策模块的决策过程以驱使学习模型更新模块进行计算模型的更新，所述误差计算模块对***决策模块中的误差识别部分进行错误率计算，并通过人为管理模块由人为判断错误部分数据是否用于学习模型更新模块的机器学习。
进一步的，所述机器训练模块包括模型库，所述模型库连接有模型管理模块与学习模型调取模块，所述学习模型调取模块连接有回报计算模块，所述模型库配合模型管理模块对学习模型进行输入、删除操作，所述学习模型调取模块用来调取模型库中的学习模型，所述回报计算模块用来计算学习模型识别无线电信号的准确率。
进一步的，所述***决策模块包括信号滤除模块、信号转换模块、特征提取模块与结果发送模块，所述信号滤除模块用来滤除预设载波频率范围外以及预设带宽范围外的无线电信号，所述信号转换模块将无线电信号转换为数字信号，所述特征提取模块用于提取每种所述数字信号的物理特征以确保频段，所述结果发送模块将所识别的结果发出。
进一步的，所述判断结果输出模块与结果参考模块共同连接有综合比较模块，所述综合比较模块用来对智能学习***与***决策模块的识别结果进行比对。
进一步的，所述综合比较模块包括结果比对模块，所述结果比对模块连接有分歧率计算模块，所述分歧率计算模块连接有异常结果暂存模块，所述异常结果暂存模块连接有定期删减模块，所述定期删减模块连接有检索模块，所述检索模块连接有显示模块，所述比对模块用来将智能学习***与***决策模块的识别结果进行比对，所述分歧率计算模块用来计算两者间的不同率，所述异常结果暂存模块用来将不同的结果暂时缓存，所述定期删减模块用来将暂存结果定期自动删除，所述检索模块用来对暂存的结果进行检索，所述显示模块用来对检索的结果进行展示。
本发明的有益效果是：
1、通过设置的管理者决策模块与***决策模块，管理者决策模块用来人工识别无线电信号类型，信号滤除模块用来滤除预设载波频率范围外以及预设带宽范围外的无线电信号，信号转换模块将无线电信号转换为数字信号，特征提取模块用于提取每种数字信号的物理特征以确保频段，结果发送模块将所识别的结果发出，可以对无线电信息进行***的自行判断，也可以由专家作为管理者进行人为判断，该***可以对无线电信号进行识别，也可使得专家进行识别，实现了对无线电信号频段的分析识别功能。
2、通过设置的智能学习***，机器学习模块用来机器学习无线电信号的频段识别，机器训练模块用来将机器学习模块学习的识别模型进行运用以识别无线电信号频段，判断观测模块用来观测***决策模块的决策过程以驱使学习模型更新模块进行计算模型的更新，误差计算模块对******决策模块中的误差识别部分进行错误率计算，并通过人为管理模块由人为判断错误部分数据是否用于学习模型更新模块的机器学习，模型库配合模型管理模块对学习模型进行输入、删除操作，学习模型调取模块用来调取模型库中的学习模型，回报计算模块用来计算学习模型识别无线电信号的准确率，对于无线电信号的识别局部智能机器学习的功能，可以在***识别的同时，***自行迭代更新以进行频段识别。
3、通过设置的综合比较模块，比对模块用来将智能学习***与***决策模块的识别结果进行比对，分歧率计算模块用来计算两者间的不同率，异常结果暂存模块用来将不同的结果暂时缓存，定期删减模块用来将暂存结果定期自动删除，检索模块用来对暂存的结果进行检索，显示模块用来对检索的结果进行展示，可对机器学习的识别结果、自动识别的结果进行比对，利于后期对***评估。
4、通过设置的可信度判断模块与机器识别判断模块，可以对***决策模块、管理者决策模块、智能学习***作出的识别结果进行可信度判断，机器识别判断模块对智能学习***的识别结果进行判断，若判断为正确则由结果参考模块将识别的结果输出，若判断为错误则由报错记录模块对错误结果进行记录，手动更新模块用来人为更新信号库中的无线电信号与匹配频段，手动输入模块用来人为向信号库中输入无线电信号与匹配频段，对于缺少的识别频段可以及时提醒，进而使得工作人员及时补入。
附图说明
图1为本发明一种嵌入式机器学习人工智能数据分析处理***的工作原理图；
图2为本发明一种嵌入式机器学习人工智能数据分析处理***的***决策模块原理图；
图3为本发明一种嵌入式机器学习人工智能数据分析处理***的机器学习模块原理图；
图4为本发明一种嵌入式机器学习人工智能数据分析处理***的机器训练模块原理图；
图5为本发明一种嵌入式机器学习人工智能数据分析处理***的综合比较模块原理图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图及实施例，对本发明进行进一步详细说明。但是应该理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限制本发明的范围。
除非另有定义，本文所使用的所有的技术术语和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同，本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
如图1-图5所示，一种嵌入式机器学习人工智能数据分析处理***，包括信号采集模块，信号采集模块连接有管理者决策模块与***决策模块，管理者决策模块与***决策模块共同连接有可信度判断模块，可信度判断模块连接有判断结果输出模块、提示模块与信号库，信号采集模块还通过智能学习***连接机器识别判断模块，机器识别判断模块连接有报错记录模块与结果参考模块，其中：
信号采集模块用来收集无线电信号；
管理者决策模块用来人工识别无线电信号类型；
***决策模块对无线电信号自动识别出结果；
可信度判断模块对无线电信号的识别结果准确度进行判断，若判断为正确则由判断结果输出模块输出无线电信号的正确识别结果，若判断为错误则由提示模块发出提示；
机器识别判断模块对智能学习***的识别结果进行判断，若判断为正确则由结果参考模块将识别的结果输出，若判断为错误则由报错记录模块对错误结果进行记录。
信号库包括手动更新模块与手动输入模块，手动输入模块连接提示模块端口，手动更新模块用来人为更新信号库中的无线电信号与匹配频段，手动输入模块用来人为向信号库中输入无线电信号与匹配频段。
智能学习***包括机器学习模块与机器训练模块，机器学习模块用来机器学习无线电信号的频段识别，机器训练模块用来将机器学习模块学习的识别模型进行运用以识别无线电信号频段。
机器学习模块包括判断观测模块、误差计算模块、人为管理模块与学习模型更新模块，判断观测模块连接在误差计算模块与学习模型更新模块上，人为管理模块连接在误差计算模块上，判断观测模块用来观测***决策模块的决策过程以驱使学习模型更新模块进行计算模型的更新，误差计算模块对******决策模块中的误差识别部分进行错误率计算，并通过人为管理模块由人为判断错误部分数据是否用于学习模型更新模块的机器学习。
机器训练模块包括模型库，模型库连接有模型管理模块与学习模型调取模块，学习模型调取模块连接有回报计算模块，模型库配合模型管理模块对学习模型进行输入、删除操作，学习模型调取模块用来调取模型库中的学习模型，回报计算模块用来计算学习模型识别无线电信号的准确率。
***决策模块包括信号滤除模块、信号转换模块、特征提取模块与结果发送模块，信号滤除模块用来滤除预设载波频率范围外以及预设带宽范围外的无线电信号，信号转换模块将无线电信号转换为数字信号，特征提取模块用于提取每种数字信号的物理特征以确保频段，结果发送模块将所识别的结果发出。
判断结果输出模块与结果参考模块共同连接有综合比较模块，综合比较模块用来对智能学习***与***决策模块的识别结果进行比对。
综合比较模块包括结果比对模块，结果比对模块连接有分歧率计算模块，分歧率计算模块连接有异常结果暂存模块，异常结果暂存模块连接有定期删减模块，定期删减模块连接有检索模块，检索模块连接有显示模块，比对模块用来将智能学习***与***决策模块的识别结果进行比对，分歧率计算模块用来计算两者间的不同率，异常结果暂存模块用来将不同的结果暂时缓存，定期删减模块用来将暂存结果定期自动删除，检索模块用来对暂存的结果进行检索，显示模块用来对检索的结果进行展示。
通过设置的管理者决策模块与***决策模块，管理者决策模块用来人工识别无线电信号类型，信号滤除模块用来滤除预设载波频率范围外以及预设带宽范围外的无线电信号，信号转换模块将无线电信号转换为数字信号，特征提取模块用于提取每种数字信号的物理特征以确保频段，结果发送模块将所识别的结果发出，可以对无线电信息进行***的自行判断，也可以由专家作为管理者进行人为判断，该***可以对无线电信号进行识别，也可使得专家进行识别，实现了对无线电信号频段的分析识别功能；通过设置的智能学习***，机器学习模块用来机器学习无线电信号的频段识别，机器训练模块用来将机器学习模块学习的识别模型进行运用以识别无线电信号频段，判断观测模块用来观测***决策模块的决策过程以驱使学习模型更新模块进行计算模型的更新，误差计算模块对******决策模块中的误差识别部分进行错误率计算，并通过人为管理模块由人为判断错误部分数据是否用于学习模型更新模块的机器学习，模型库配合模型管理模块对学习模型进行输入、删除操作，学习模型调取模块用来调取模型库中的学习模型，回报计算模块用来计算学习模型识别无线电信号的准确率，对于无线电信号的识别局部智能机器学习的功能，可以在***识别的同时，***自行迭代更新以进行频段识别；通过设置的综合比较模块，比对模块用来将智能学习***与***决策模块的识别结果进行比对，分歧率计算模块用来计算两者间的不同率，异常结果暂存模块用来将不同的结果暂时缓存，定期删减模块用来将暂存结果定期自动删除，检索模块用来对暂存的结果进行检索，显示模块用来对检索的结果进行展示，可对机器学习的识别结果、自动识别的结果进行比对，利于后期对***评估；通过设置的可信度判断模块与机器识别判断模块，可以对***决策模块、管理者决策模块、智能学习***作出的识别结果进行可信度判断，机器识别判断模块对智能学习***的识别结果进行判断，若判断为正确则由结果参考模块将识别的结果输出，若判断为错误则由报错记录模块对错误结果进行记录，手动更新模块用来人为更新信号库中的无线电信号与匹配频段，手动输入模块用来人为向信号库中输入无线电信号与匹配频段，对于缺少的识别频段可以及时提醒，进而使得工作人员及时补入。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换或改进等，均应包含在本发明的保护范围之内。
Claims (1)
1.一种嵌入式机器学习人工智能数据分析处理***，其特征在于，信号采集模块连接有管理者决策模块与***决策模块，所述管理者决策模块与***决策模块共同连接有可信度判断模块，所述可信度判断模块连接有判断结果输出模块、提示模块与信号库，所述信号采集模块还通过智能学习***连接机器识别判断模块，所述机器识别判断模块连接有报错记录模块与结果参考模块，其中：
所述信号采集模块用来收集无线电信号；
所述管理者决策模块用来人工识别无线电信号类型；
所述***决策模块对无线电信号自动识别出结果；
所述可信度判断模块对无线电信号的识别结果准确度进行判断，若判断为正确则由判断结果输出模块输出无线电信号的正确识别结果，若判断为错误则由提示模块发出提示；
所述机器识别判断模块对智能学习***的识别结果进行判断，若判断为正确则由结果参考模块将识别的结果输出，若判断为错误则由报错记录模块对错误结果进行记录；
所述信号库包括手动更新模块与手动输入模块，所述手动输入模块连接提示模块端口，所述手动更新模块用来人为更新信号库中的无线电信号与匹配频段，所述手动输入模块用来人为向信号库中输入无线电信号与匹配频段；
所述智能学习***包括机器学习模块与机器训练模块，所述机器学习模块用来机器学习无线电信号的频段识别，所述机器训练模块用来将机器学习模块学习的识别模型进行运用以识别无线电信号频段；
所述机器学习模块包括判断观测模块、误差计算模块、人为管理模块与学习模型更新模块，所述判断观测模块连接在误差计算模块与学习模型更新模块上，所述人为管理模块连接在误差计算模块上，所述判断观测模块用来观测***决策模块的决策过程以驱使学习模型更新模块进行计算模型的更新，所述误差计算模块对******决策模块中的误差识别部分进行错误率计算，并通过人为管理模块由人为判断错误部分数据是否用于学习模型更新模块的机器学习；
所述机器训练模块包括模型库，所述模型库连接有模型管理模块与学习模型调取模块，所述学习模型调取模块连接有回报计算模块，所述模型库配合模型管理模块对学习模型进行输入、删除操作，所述学习模型调取模块用来调取模型库中的学习模型，所述回报计算模块用来计算学习模型识别无线电信号的准确率；
所述***决策模块包括信号滤除模块、信号转换模块、特征提取模块与结果发送模块，所述信号滤除模块用来滤除预设载波频率范围外以及预设带宽范围外的无线电信号，所述信号转换模块将无线电信号转换为数字信号，所述特征提取模块用于提取每种所述数字信号的物理特征以确保频段，所述结果发送模块将所识别的结果发出；
所述判断结果输出模块与结果参考模块共同连接有综合比较模块，所述综合比较模块用来对智能学习***与***决策模块的识别结果进行比对；
所述综合比较模块包括结果比对模块，所述结果比对模块连接有分歧率计算模块，所述分歧率计算模块连接有异常结果暂存模块，所述异常结果暂存模块连接有定期删减模块，所述定期删减模块连接有检索模块，所述检索模块连接有显示模块，所述比对模块用来将智能学习***与***决策模块的识别结果进行比对，所述分歧率计算模块用来计算两者间的不同率，所述异常结果暂存模块用来将不同的结果暂时缓存，所述定期删减模块用来将暂存结果定期自动删除，所述检索模块用来对暂存的结果进行检索，所述显示模块用来对检索的结果进行展示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110675140.9A CN113377806B (zh) | 2021-06-18 | 2021-06-18 | 一种嵌入式机器学习人工智能数据分析处理*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110675140.9A CN113377806B (zh) | 2021-06-18 | 2021-06-18 | 一种嵌入式机器学习人工智能数据分析处理*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113377806A CN113377806A (zh) | 2021-09-10 |
| CN113377806B true CN113377806B (zh) | 2022-12-27 |
Family
ID=77577651
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110675140.9A Active CN113377806B (zh) | 2021-06-18 | 2021-06-18 | 一种嵌入式机器学习人工智能数据分析处理*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113377806B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106096789A (zh) * | 2016-06-22 | 2016-11-09 | 华东师范大学 | 一种基于机器学习技术的可自感知异常的工控安全防护与报警*** |
| CN111948954A (zh) * | 2020-09-08 | 2020-11-17 | 兰州工业学院 | 一种基于互联网控制的智能家居*** |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110213010B (zh) * | 2019-04-28 | 2020-07-07 | 浙江大学 | 一种基于多通道射频信号的无人机检测***和方法 |
| KR102281515B1 (ko) * | 2019-07-23 | 2021-07-26 | 엘지전자 주식회사 | 개인화 언어 모델을 이용하여 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법 |
| US11481675B2 (en) * | 2019-08-21 | 2022-10-25 | National Taiwan University | Identity recognition system based on compressed signals and method thereof |
| US11526725B2 (en) * | 2019-12-06 | 2022-12-13 | Bank Of America Corporation | Attention-based layered neural network architecture for explainable and high-performance AI processing |
| CN112257592B (zh) * | 2020-10-22 | 2024-07-09 | 北京博识创智科技发展有限公司 | 一种基于人工智能的信号识别自学习方法 |
-
2021
- 2021-06-18 CN CN202110675140.9A patent/CN113377806B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106096789A (zh) * | 2016-06-22 | 2016-11-09 | 华东师范大学 | 一种基于机器学习技术的可自感知异常的工控安全防护与报警*** |
| CN111948954A (zh) * | 2020-09-08 | 2020-11-17 | 兰州工业学院 | 一种基于互联网控制的智能家居*** |
Non-Patent Citations (1)
| Title |
|---|
| 基于人工智能下语音识别方法与装置及***的研究;熊晓倩;《科技资讯》;20180123(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113377806A (zh) | 2021-09-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021057576A1 (zh) | 一种构造云化网络告警根因关系树模型方法、装置和存储介质 | |
| CN102917207A (zh) | 基于运动序列的异常行为视觉监测*** | |
| CN111049133A (zh) | 一种电网调控中心集中监控辅助巡视*** | |
| CN113591393B (zh) | 智能变电站的故障诊断方法、装置、设备和存储介质 | |
| CN113377806B (zh) | 一种嵌入式机器学习人工智能数据分析处理*** | |
| CN113923594B (zh) | 一种基于时分长期演进网络的晴雨区分方法 | |
| CN118015747A (zh) | 一种基于人工智能的智慧校园门禁*** | |
| CN114170704A (zh) | 一种数字化智能车辆监控*** | |
| CN116582597B (zh) | 一种油橄榄育苗环境数据智能监测方法及*** | |
| CN117277566A (zh) | 基于大数据的电网数据分析电力调度***及方法 | |
| CN109035006A (zh) | 一种贷后风险监控的方法及其*** | |
| CN111667391A (zh) | 一种环保大数据监测*** | |
| CN114167837B (zh) | 一种铁路信号***的智能故障诊断方法及*** | |
| CN110718022A (zh) | 智能电表的告警方法、服务器及计算机可读存储介质 | |
| CN110851740B (zh) | 一种陆海智能时空分析平台 | |
| CN113222082A (zh) | 智能垃圾站管控方法、***、装置及存储介质 | |
| CN113051327A (zh) | 一种仪器数据自动化采集多级处理*** | |
| CN113255422A (zh) | 一种基于深度学习的工序衔接目标识别管理方法及*** | |
| CN114401296B (zh) | 一种基于物联网的城市环境下田园管理远程光信号处理方法、***和可读存储介质 | |
| CN111078958A (zh) | 一种针对多样化生物数据即时统计与决策*** | |
| CN113592323B (zh) | 一种人工智能企业管理成本录入明细提醒*** | |
| NL2036894A (en) | An Intelligent Equipment Storage Management Method | |
| CN117520979B (zh) | 一种基于ocr识别的地磅测量设备及其使用方法 | |
| CN116208464B (zh) | 基于云计算的广播发射机故障大数据信息分析方法及*** | |
| CN111950590A (zh) | 一种可自更新的行为识别及id识别模型实现方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240514 Address after: 435000, No. 19 Shengyanggang, Huangshigang District, Huangshi City, Hubei Province Patentee after: Huangshi Guotou Digital Industry Group Co.,Ltd. Country or region after: China Address before: 226000 Jiangsu city of Nantong province sik Road No. 9 Patentee before: NANTONG University Country or region before: China |