- 博客(29)
- 收藏
- 关注
RSS订阅
原创 基于C#的机器学习--目录
转载请注明出处：https://blog.youkuaiyun.com/wyz19940328/article/details/85700819目前国内关于机器学习的内容多是Python或者Go或者C++的，.NET平台下的多是使用封装好的工具包，而几乎没有关于如何使用C#实现的内容。目前有翻译版本的NET平台下的机器学习的书籍，不过却是F#语言的，没有C#。目录1.机器学习的基本知识机器学习...
2019-01-03 16:03:57
5975
11
原创 【独立闯天下】Prim新传奇！原团队的Blazor版本迟迟无音，合并请求石沉大海。于是，我们决定单干！加入Prime Blazor版项目，一起开创崭新的旅程吧！
在这样的背景下，一群热爱开源、热衷于Blazor技术的开发者们决定挺身而出，重新打造一个全新的Prime的Blazor版。这个新的Blazor版本已经完成了从0到1的过程，虽然还存在一些BUG，但已经具备了初步的功能和可用性。为了更好地完善这个项目，我们诚邀更多的开发者加入到这个大家庭中，共同为Prime的Blazor版的发展贡献力量。你的每一次反馈都是我们前进的动力，也是我们改进项目的关键。此外，我们还会建立一个积极的社区，让更多的开发者在这里交流心得、分享经验，共同成长。
2024-01-11 11:27:40
455
原创 什么是MES（Manufacturing Execution System）
他们处理客户订单，检查是否应该订购额外的原材料，向供应商付款，财务报告，这些报告可以在一天，一周，一个月，季度甚至一年中的任何时间更新。MES的概念可能被视为企业资源计划(ERP)系统与监控和数据采集(SCADA)或过程控制系统之间的中间步骤，尽管从历史上看，确切的边界是波动的。它们也可以按需同步。要执行的工作清单、执行工作的具体指示、要收集的数据点、工作的质量检查、表示工作完成的签字，都在这一层中执行。这些系统处理来自客户的订单，将订单分组为生产订单，确保手头有足够的原材料，安排设备运行生产订单，等等。
2023-06-01 15:43:20
965
原创 智能集成接口：I3 ISA-95 的应用
多年来，使用基于制造运营管理 （MOM） 的应用程序的制造 IT 顾问试图说服制造商这些类型的应用的高价值。实时 MOM 解决方案是唯一一组能够精确优化工厂日常运营的 IT 应用程序，可为其可用性流程带来可创造的价值，但制造商在认识到实施 MOM 的任何给定部分所产生的可操作指标与用于可见性和界面的定期关键绩效指标 （KPI） 之间的差异方面上进展缓慢。决策者通常非常不愿意在他们的工厂或企业中开始任何类型的MOM实施，因为这些项目的规模很大，风险很高，成本很高。
2023-05-27 09:41:37
1087
原创 在变压器厂中使用 ISA-95 应用程序进行调度集成
在工业批量和连续生产/运营环境中，调度涉及将诸如罐、反应器和其他加工设备之类的资源分配给生产/运营任务。第 4 层生产/运营计划确定要制造什么产品、要制造多少产品以及何时制造。根据设备、物料、人员和班次的可用性，随着时间的推移分配资源。详细的调度优化解决方案使用启发式模型描述生产/运营过程，以找到分配给定任务和资源的最佳方式。详细调度是生产的核心，与生产控制、订单处理、物料和能源控制以及维护密切相关。
2023-05-25 13:42:59
1075
原创 制造运营管理 (MOM) 的工作流驱动方法
在企业中使用的任何技术的第一条规则是，应用于高效运营的自动化将放大效率。第二个是自动化应用于低效率的操作会放大低效率。” - 比尔盖茨。工作流是结构化的活动，主要涉及人与人或人与机器的交互，所有这些活动都旨在在不影响安全性、可靠性和一致性的情况下实现盈利运营。工作流技术开始从纯粹的 IT 领域实践转移到 ISA-95 定义的制造运营管理 (MOM) 领域。本文通过提供 MOM 中工作流技术的示例，探讨了与将工作流技术引入 MOM 相关的全球化组织的挑战。这是使用全球视角完成的，并专注于连续过程工业。
2023-05-24 08:38:27
614
原创 定义运营系统架构
供应商提供的信息系统随着新功能和实施策略不断发展。可用选项的复杂性和多样性使许多公司难以充分讨论和比较可能满足或不满足其要求的替代方案。供应商通常会推广由公司或个人工具箱中的产品或解决方案支持的架构。如果公司对其运营系统的架构没有清晰的愿景，它通常会采用供应商的方法。这种方法可能最适合正在开发的系统；然而，在许多情况下并非如此。在没有目标“未来”架构的情况下，采用供应商的方法是不可避免的。随着对系统敏捷性和相关运营管理能力的日益依赖，提高标准的必要性显而易见。
2023-05-22 08:23:05
889
原创 定义制造业操作（定义 MES/MOM 系统）
制造业操作包含众多工厂级活动，涉及设备（定义、使用、时间表和维护）、材料（识别、属性、位置和状态）、人员（资格、可用性和时间表），以及这些资源与包含其信息碎片的众多系统之间的互动关系。为了界定MES/MOM系统的边界以及与用户和其他系统的互动，并协调这种功能组合，最大限度地利用商业MES/MOM软件产品，需要一个制造业参考框架。MOM制造业操作标准促进了MES/MOM的设计理念。
2023-05-19 08:43:42
571
原创 在离散混合制造环境中应用制造运营模型
本文所描述的所有制造过程、场景、操作模式和技术应用目前都在一个成熟的离散和离散/批量混合制造企业中使用，该企业生产和维修复杂的机器。该企业生产的产品范围从从棒材加工的简单零件到复杂的机械装配；最终产品包括许多内部和第三方提供的子装配。偶尔，优化的操作定义会因已定性和未定性的异常操作模式或情况而不同。优化的和非正常的操作模式使用MES/MOM的概念进行建模，正如ISA-95第3部分，制造操作管理的活动模型（MOM）所规定的。
2023-05-17 12:39:20
395
原创 向基于语义模型的操作集成的演变
这些不同的方法有何不同和联系？从实时运营整合架构的角度来看，语义模型究竟适合在用哪里？语义模型作为实时操作集成架构的一个关键组成部分，能提供什么价值？
2023-05-16 08:40:40
536
原创 语义模型在智能工业运营中的作用
本文着眼于语义模型设计和技术在工业运营集成中的应用，以及语义计算的不断发展的作用。比较语义（数据）建模。作为应用程序架构的核心组件，以更熟悉的架构集成模式。功能能力描述了语义模型的操作基础。语义模型的价值通过一系列读者应该熟悉的例子来说明。只匹配比赛;因此，为了通过区分其绩效来竞争，每家公司都必须明智地应用领先实践。语义计算现在具有足够的工业应用，可以被认为是一种领先的实践。因此，建议以各种方式补充传统技术和可能的长期增强功能，以促进安全性和完整性。
2023-05-06 08:18:40
228
原创 在制造业的工业2.0中应用MOM系统
什么是制造运营管理 (MOM) 系统和 IT 架构的最佳实践？行业专家对制造类型和供应网络有何建议？管理思维和企业文化是否因不断变化的全球市场而过时？MOM 技术是否过于昂贵，IT 架构是否无法快速适应市场变化？长期以来，制造企业一直不愿为运营工作流程采用新思维。在工厂设备不断发展的同时，支持智能设备的工作流程仍然主要基于纸质交易来执行生产订单，仿佛在说：“我们的方法已经运行了多年，为什么现在要改变它们？” 有了这种想法，智能技术的世界已经向前发展，并将制造公司甩在了后面。
2023-05-05 17:46:40
1225
原创 基于C#的机器学习--垃圾邮件过滤
在这一章，我们将建立一个垃圾邮件过滤分类模型。我们将使用一个包含垃圾邮件和非垃圾邮件的原始电子邮件数据集，并使用它来训练我们的ML模型。我们将开始遵循上一章讨论的开发ML模型的步骤。这将帮助我们理解工作流程。 在本章中，我们将讨论以下主题: l 定义问题 l 准备数据 l 数据分析 l 构建数据的特征 l 逻辑回归与朴素贝叶斯的Email垃圾邮件过滤 l 验证分类模型定义问题 让我们从定义本章要解...
2022-01-19 10:25:04
1837
1
原创 基于C#的机器学习--机器学习建模的基础
构建ML模型的步骤现在我们已经看了解到了一些ML应用程序的例子，问题是，我们如何构建这样的ML应用程序和系统?下图总结了我们使用ML开发应用程序的方法，我们将在下面更详细地讨论这个问题:如上图所示，建立学习模型的步骤如下:问题定义:任何项目的第一步不仅是理解我们想要解决的问题,也定义了我们如何使用ML来解决问题。这第一步无疑是构建有用的ML模型和应用程序中最重要的一步。在开始构建ML模型之前，我们至少应该回答以下四个问题:l 当前碰到了什么问题?这是我们描述和陈述我们试图解决的问..
2022-01-19 10:17:18
811
原创 基于C#的机器学习--c# .NET中直观的深度学习
在本章中，将会学到:l 如何使用Kelp.Net来执行自己的测试l 如何编写测试l 如何对函数进行基准测试Kelp.Net是一个用c#编写的深度学习库。由于能够将函数链到函数堆栈中，它在一个非常灵活和直观的平台中提供了惊人的功能。它还充分利用OpenCL语言平台，在支持cpu和gpu的设备上实现无缝操作。深度学习是一个非常强大的工具，对Caffe和Chainer模型加载的本机支持使这个平台更加强大。您将看到，只需几行代码就可以创建一个100万个隐藏层的深度学习网络。Kelp.Net...
2022-01-19 10:15:51
5058
原创 基于C#的机器学习--微基准测试和激活功能
本章我们将学习以下内容:l 什么是微基准测试l 如何将它应用到代码中l 什么是激活函数l 如何绘制和基准测试激活函数每个开发人员都需要有一个好的基准测试工具。质量基准无处不在;你们每天都能听到，这个减少了10%那个增加了25%还记得那句老话吗，当你听到一个数字被抛出时，98.4%的情况下这个数字是假的。顺便说一下，这个数字也是我编的。当你听到这样的话，让那个人证明一下，你会得到什么?我们不需要定性的结果;我们需要能够被证明和持续复制的量化结果。可重复的结果是非常重要的，不仅对一致...
2022-01-19 10:13:49
293
原创 基于C#的机器学习--深层信念网络
我们都听说过深度学习，但是有多少人知道深度信念网络是什么?让我们从本章开始回答这个问题。深度信念网络是一种非常先进的机器学习形式，其意义正在迅速演变。作为一名机器学习开发人员，对这个概念有一定的了解是很重要的，这样当您遇到它或它遇到您时就会很熟悉它!在机器学习中，深度信念网络在技术上是一个深度神经网络。我们应该指出，深度的含义，当涉及到深度学习或深度信念时，意味着网络是由多层(隐藏的单位)组成的。在深度信念网络中，这些连接在一层内的每个神经元之间，而不是在不同的层之间。一个深度信念网络可以被训练成无监督
2022-01-19 10:12:09
373
原创 基于C#的机器学习--我应该接受这份工作吗-使用决策树
决策树 要使决策树完整而有效，它必须包含所有的可能性。事件序列也必须提供，并且是互斥的，这意味着如果一个事件发生，另一个就不能发生。 决策树是监督机器学习的一种形式，因为我们必须解释输入和输出应该是什么。有决策节点和叶子。叶子是决策，不管是否是最终决策，节点是决策分裂发生的地方。 虽然有很多算法可供我们使用，但我们将使用迭代二分法(ID3)算法。在每个递归步骤中，根据一个标准(信息增益、增益比等)选择对我们正在处理的输入集进行最佳分类的属性。这里必须...
2022-01-19 10:08:22
573
原创 基于C#的机器学习--旅行推销员问题
我们有一个必须在n个城市之间旅行的推销员。他不在乎什么顺序。他最先或最后访问的城市除外。他唯一关心的是他会去拜访每一个人，每个城市只有一次，最后一站是他得家。每个城市都是一个节点，每个节点通过一条边与其他封闭节点相连(可以将其想象成公路、飞机、火车、汽车等)每个连接都有一个或多个权值与之相关，我们称之为成本。成本描述了沿着该连接旅行的困难程度，如机票成本、汽车所需的汽油量等。他的首要任务是尽可能降低成本和旅行距离。对于那些学过或熟悉图论的人，希望你们还记得无向加权图。城市是顶点，..
2022-01-19 10:02:05
405
1
原创 基于C#的机器学习--面部和动态检测-图像过滤器
在本章中，我们将展示两个独立的例子，一个用于人脸检测，另一个用于动态检测，以及如何快速地将这些功能添加到应用程序中。 在这一章中，我们将讨论:面部检测 动态检测 将检测添加到应用程序中面部检测 人脸检测，是人脸识别的第一部分。如果你不能从屏幕上的所有东西中识别出一个或多个人脸，那么你将永远无法识别那是谁的脸。 首先让我们看一张我们的应用程序截图: 上图中，通过摄像头我们已经捕获到一张图像，接下来启用面部跟踪，看看会发生什么:...
2022-01-19 09:59:46
573
1
原创 基于C#的机器学习--颜色混合-自组织映射和弹性神经网络
自组织映射和弹性神经网络 自组织映射(SOM)，或者你们可能听说过的Kohonen映射，是自组织神经网络的基本类型之一。自组织的能力提供了对以前不可见的输入数据的适应性。它被理论化为最自然的学习方式之一，就像我们的大脑所使用的学习方式一样，在我们的大脑中，没有预先定义的模式被认为是存在的。这些模式是在学习过程中形成的，并且在以更低的维度(如二维或一维)表示多维数据方面具有不可思议的...
2019-01-15 09:52:29
806
原创 基于C#的机器学习--模糊逻辑-穿越障碍
模糊逻辑-穿越障碍模糊逻辑。另一个我们经常听到的术语。但它的真正含义是什么?它是否意味着不止一件事?我们马上就会知道答案。我们将使用模糊逻辑来帮助引导一辆自动驾驶汽车绕过障碍，如果我们做得正确，我们将避开沿途的障碍。我们的自动导航车辆(AGV)将在障碍物周围导航，感知其路径上的障碍物。它将使用一个推理系统来帮助引导它前进。你或者用户将能够创造障碍或通过的方式，AGV必须避开或通过。你...
2019-01-13 17:51:27
1327
1
原创 基于C#的机器学习--惩罚与奖励-强化学习
强化学习概况 正如在前面所提到的，强化学习是指一种计算机以“试错”的方式进行学习，通过与环境进行交互获得的奖赏指导行为，目标是使程序获得最大的奖赏，强化学习不同于连督学习，区别主要表现在强化信号上，强化学习中由环境提供的强化信号是对产生动作的好坏作一种评价(通常为标量信号)，而不是告诉强化学习系统如何去产生正确的动作。唯一的目的是最大化效率和/或性能。算法对正确的决策给予奖励，对错...
2019-01-12 15:10:35
3546
3
原创 基于C#的机器学习--贝叶斯定理-执行数据分析解决肇事逃逸之谜
贝叶斯定理-执行数据分析解决肇事逃逸之谜在这一章中，我们将:应用著名的贝叶斯定理来解决计算机科学中的一个非常著名的问题。 向您展示如何使用贝叶斯定理和朴素贝叶斯来绘制数据，从真值表中发现异常值等等贝叶斯定理概况 当我们使用贝叶斯定理的时候，我们是在测量一件事发生的概论程度: 上式表示在给定事件B的情况下事件A发生的概率。 概率通常被量化为...
2019-01-05 18:22:07
1827
6
原创 基于C#的机器学习--机器学习的基本知识
机器学习的基本知识 作为一个终生的微软开发人员，我经常看到开发人员努力寻找解决日常问题所需的资源。让我们面对现实吧，我们没有人有时间按照自己喜欢的方式做事，我们中很少有人有幸在真正的研发部门工作。虽然这些年来我们已经走过了相当长的一段旅程，还记得曾经我们通过桌上的C程序员参考资料和其他50本书中翻找资料，到现在能够在谷歌中快速搜索并得到我们想要的东西。但现在人工智能时代已经到来，情况有些不同了。 作为c#开发人员，当涉及到机器学习时，谷歌搜索并不总是我们最好的朋友，因为几乎...
2019-01-05 09:41:24
8695
原创 2018个人年终总结
去年的总结忘记写了。。。。。。2018年终总结2018年的回顾 完成的主要工作1.腊月从上海申得欧换到了浙江万商汇。2.从上海浦东搬到了杭州萧山。3.从企业信息化换到了互联网，电商物流。 4.完成了速达汇物流的货主和司机web端的api开发。以及部分平台的后台web端api的开发。也是第一次使用netcore在企业项目中。5.从浙...
2019-01-02 14:54:07
1292
原创 2016个人年终总结
2016年终总结2016年的回顾 完成的主要工作首先，2016年完成的最终要的事情就是实现了体制内到体制外的转换，从一名人民警察转换成了一名程序员。 我是2月末来到公司的，在公司待了不到1个月就被外派到了上海。 来到上海的第一个项目是一个海关的项目“中国（上海）自由贸易试验区海关监管信息化系统国际中转集拼系统”，
2016-12-30 14:40:55
1223
原创 ABP项目搭建实例教程[1]--ABP框架搭建
开篇说明：此系列博客将会引用wer-ltm的文章内诸多内容，以节（偷）省（个）时（小）间（懒）。此篇博客是属于半教程博客，为什么说是半教程呢。因为我不会打算说什么理论性的东西，没必要。要看理论性的资料以及基础信息，请前往tkb至简和@阳光铭睿的博客查看文档资料。扫个小盲：MPA:为多页面，通过服务器端进行渲染razor进行绑定数据的方式（等其他情况。SPA:则为单页面，可以用作
2016-09-10 15:18:15
9390
原创 ABP项目搭建实例教程
发布系列教程的原因是发现ABP在园子火了很久，但是发现还是有很多小伙伴们无从下手，收集了一些信息，大部分都反馈是文档太难看不懂。包括博客园wer-ltm的ABP打造一个《电话簿项目》-目录-MPA版本文章，我也没看懂，根据他的文章区搭建还是有各种问题存在，遂在此整理一下本人的搭建过程，当然你也可以理解为，这篇博客只是对wer-ltm的项目的整理。感兴趣的朋友可以跟着看看，本教程适合已经看过
2016-09-10 14:57:37
6191
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人