您现在的位置: 首页> 研究主题> 计算服务

计算服务

计算服务的相关文献在1997年到2022年内共计743篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、工业经济 等领域,其中期刊论文346篇、会议论文6篇、专利文献540509篇;相关期刊150种,包括中国信息化、通信世界、通讯世界等; 相关会议6种,包括2008年电力信息化高级论坛、第二届中国系统建模与仿真技术高层论坛、2007全国水利信息化论坛等;计算服务的相关文献由1026位作者贡献,包括张继勇、杜佳庆、李知彻等。

计算服务—发文量

期刊论文>

论文:346 占比:0.06%

会议论文>

论文:6 占比:0.00%

专利文献>

论文:540509 占比:99.93%

总计:540861篇

计算服务—发文趋势图

计算服务

-研究学者

  • 张继勇
  • 杜佳庆
  • 李知彻
  • 不公告发明人
  • 宗泽
  • 桂小林
  • 谢桂鲁
  • 赵博然
  • 邓福喜
  • 金成勋
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 张欣; 邓浩江; 尤佳莉
    • 摘要: 随着以5G、大数据、物联网和人工智能为代表的新一代信息技术的迅速发展,采用云计算服务架构提供平台化服务面临诸多的挑战。5G支持超大规模物联网互联与超低时延通信,将使得海量数据实时生成,难以全部汇聚到云端;而超低时延通信,又对基于现场的服务响应提出了要求。随着边缘网络设备的计算和存储能力不断提高,边缘网络已经具备就近提供现场服务的条件。边缘网络作为距离用户最近的泛在网络,主要提供两大类服务,第一大类是内容服务,第二大类是计算服务。一方面,内容服务部署需要更靠近用户。另一方面,用户的计算服务请求需要就近处理。因此,如何基于边缘网络为用户提供内容服务和计算服务,降低服务响应时延,提高网络服务质量与用户体验,具有重要研究意义。
    • 杜晓峰
    • 摘要: 图书馆自动化系统设计经历了以系统为中心、以资源为中心、以用户为中心、以用户为导向的变迁,用户获取信息资源和服务越来越方便、快捷、全面和精准.图书馆中的计算服务也逐渐从信息化服务向数字化、智能化服务过渡.北京大学图书馆"送书到楼"服务项目,就是传统流通借阅的服务创新,也是计算服务助力传统业务的集成创新.计算服务在图书馆资源管理型、资源服务型、资源开发型、传统在线服务等几类传统业务中,都可以找到合适的应用场景,从而推动传统业务在信息化、智能化时代的创新与发展.
    • 蔡宇晶; 张铭; 高凡; 钟建峰
    • 摘要: 城市轨道交通设备安全监测和突发事件预警及处置一直是运营管理的重点.在网络化运营模式下通过分析大量的设备数据从采集监测到应急响应之间的流转关系,研究分级分类预警体系,形成一套基于设备数据自动采集、业务逻辑自主研判的主动监测预警方案,解决线网监测下设备数据状态繁多、难以筛选关键报警信息的问题.构建计算服务输入输出模式,实现业务数据计算的规范化处理,以及逻辑运算与预警的松耦合管理;构建报警服务管理,实现报警数据存储更新与多终端的同步展示.协助运营单位在保证各专业设备数据全面采集监测的同时及时发现潜在的故障威胁,第一时间启动应急响应,提高城市轨道交通运营安全保障能力.
    • 张博宇
    • 摘要: 在共享数据的基础上,结合数据仓库应用和体系化的数据,构建了一个具有混合方式的数据平台,通过分类如何规划与数据分层部署之间的关系,引入决策业务,用客流数据绘画在特殊运营场景下的匹配度评估,实现了该模式下数据应用扩展的适应性效用.案例表明能够解决交叉式的数据管理问题,以及提供信息共享和数据提取业务.
    • 张博宇
    • 摘要: 在共享数据的基础上,结合数据仓库应用和体系化的数据,构建了一个具有混合方式的数据平台,通过分类如何规划与数据分层部署之间的关系,引入决策业务,用客流数据绘画在特殊运营场景下的匹配度评估,实现了该模式下数据应用扩展的适应性效用。案例表明能够解决交叉式的数据管理问题,以及提供信息共享和数据提取业务。
    • 张铭
    • 摘要: 在分析城市轨道交通信息化系统共享数据特征的基础上,结合数据仓库应用与业务数据体系不匹配等问题,提出构建混合式结构的大数据平台.通过建立数据分级分类融合、数据流规划,设计实时数据处理及计算服务标准化等算法,形成多源异构数据应用与大数据平台适配的环境.探讨运营信息化大数据平台的构成和混合模式下的分层部署和逻辑递阶管控等关键技术.通过将数据挖掘方法引入运营决策业务,以客流数据画像和特殊运营场景下动态客流大数据与列车运能匹配度的评估为例,实现了该模式下数据应用扩展的适应性提升和增值效用.案例应用表明能够解决多种业务交叉多维数据管理的问题,提高信息共享和数据提取服务的效率.
    • 王彦棡; 王珏; 曹荣强
    • 摘要: [背景]人工智能技术的快速发展离不开大规模的计算资源和数据资源.海量计算能力是深度学习模型快速训练的有效保障,标准化的数据集是人工智能算法开展大规模训练和提升准确率的重要基础.[目的]人工智能计算与数据服务平台能够有效整合计算资源、数据资源和应用资源,支持模型设计、训练和推理的全过程.[方法]在人工智能和高性能计算融合发展的趋势下,本文重点讨论人工智能平台的应用场景、典型特征及非功能性需求,以中国科学院人工智能计算及数据应用服务平台为例,讨论如何实现平台的各项服务和功能.[结果]人工智能计算及数据应用服务平台综合利用WEB服务、命令行和在线调试工具等多种服务,能够以简单易用的方式支持人工智能算法的快速研发,支持海量大规模训练任务的快速运算,支持多种数据集的快速访问和传输.[结论]人工智能平台能够为用户提供简单易用的集成工作环境,从而促进人工智能技术在多个学科领域的发展.
    • 王彦棡; 王珏; 曹荣强
    • 摘要: 【背景】人工智能技术的快速发展离不开大规模的计算资源和数据资源。海量计算能力是深度学习模型快速训练的有效保障,标准化的数据集是人工智能算法开展大规模训练和提升准确率的重要基础。【目的】人工智能计算与数据服务平台能够有效整合计算资源、数据资源和应用资源,支持模型设计、训练和推理的全过程。【方法】在人工智能和高性能计算融合发展的趋势下,本文重点讨论人工智能平台的应用场景、典型特征及非功能性需求,以中国科学院人工智能计算及数据应用服务平台为例,讨论如何实现平台的各项服务和功能。【结果】人工智能计算及数据应用服务平台综合利用WEB服务、命令行和在线调试工具等多种服务,能够以简单易用的方式支持人工智能算法的快速研发,支持海量大规模训练任务的快速运算,支持多种数据集的快速访问和传输。【结论】人工智能平台能够为用户提供简单易用的集成工作环境,从而促进人工智能技术在多个学科领域的发展。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号