图书名称：《普通高等教育工业智能专业系列教材无人系统基础》【作者】杨光红，王俊生编【丛书名】普通高等教育工业智能专业系列教材【页数】385【出版社】北京：机械工业出版社,2021.08【ISBN号】978-7-111-68543-2【价格】89.90【参考文献】杨光红，王俊生编.普通高等教育工业智能专业系列教材无人系统基础.北京：机械工业出版社,2021.08.图书封面：智能专业系列教材无人系统基础》内容提要：本书是从事无人系统自主、智能控制相关工作的入门教材。编者从一般无人系统的知识入手，分享了在开发实际无人驾驶系统中积累的经验。本书共8章，第1章介绍无人系统的概念、意义、研究现状和发展趋势；第2章论述动态环境下无人系统的自主控制架构；第3章给出基于机器人操作系统ROS的程序设计方法；第4章设计无人驾驶数据采集系统；第5章组建无人驾驶定位系统；第6章开发无人驾驶环境感知系统；第7章研制无人驾驶规划决策系统；第8章构建无人驾驶执行控制系统。本书既可作为高等学校工业人工智能课程的教材，也可作为无人系统开发人员的技术参考书。本书配有授课电子课件，需要的教师可登录www.cmedu.com免费注册，审核通过后下载，或联系编辑索取（微信：15910938545，电话：010-88379739）。《普通高等教育工业智能专业系列教材无人系统基础》内容试读第1章绪论本章介绍无人系统的概念、意义、研究现状以及人工智能在无人系统中的发展趋势，这是学习本书后续内容的必要准备。1.1无人系统的概念和意义无人系统是指无人车、无人机、无人潜航器和无人水面艇等无人平台及其配套装备的统称四。无人系统能够在无驾乘人员条件下以自主方式达成预定目标。“平台无人”的特点使无人系统可代替人类完成危险、繁重或枯燥的工作；军用无人系统具备人员零伤亡、适应和生存能力强、制造与维护成本低等诸多优点13)。无人系统是由控制科学、信息科学和系统科学等高新技术支撑的综合系统，多学科交叉融合及协同发展是构建无人系统的基础)。21世纪以来，无人系统在工业、农业、服务业等民用领域得到了广泛应用，而且在军事领域也表现出强劲的发展势头。科技进步帮助人类不断提升认识、改造以及利用世界的能力，其中，机械化和电气化令人类体力得到拓展；信息化与智能化增强了人类智力；无人系统使智能化、信息化、电气化和机械化融为一体，把人类能力带到了一个新的历史高度，在推动军事变革、社会进步和经济发展方面将发挥重要作用1。1.2无人系统的研究现状本节从无人车、无人机、无人潜航器和无人水面艇四个方面介绍在自主无人系统领域具有代表性的最新研究成果。而传统的只能通过人工遥控方式运行（或自主能力非常有限）的无人系统不在本书讨论范围内。1.2.1无人车现状近年来，无人驾驶技术在城市交通、农业、采矿、港口码头、仓储物流、智能家居、军事和航天等领域中得到广泛应用。在城市交通领域，2009年Go0gle公司启动了自动驾驶汽车项目。2014年其推出了无人驾驶原型车Firefly(见图1-1)[6，并于2015年开始路试。Firefly是纯电动车，最高速度达40km/h。基于车载激光雷达和摄像机，Firefly能够感知环境信息，可在城市道路上完成无人驾驶。2016年年底，基于Google自动驾驶汽车项目成立了子公司Waymo。2017年，Waymo宣布Fiey退出历史舞台，继而将无人驾驶技术应用于克莱斯勒Pacific混合动力汽车（见图1-2）刀。2018年12月，自主驾驶出租车服务Waymo0e正式投人商用。截至2019年7月，Waymo的无人车在实际道路上累计测试里程已超过1600万km。无人系统基础图1-1Google公司的无人驾驶原型车Firefly在号服可科材图1-2Waymo公司研制的自主驾驶的克莱斯勒Pacific混合动力汽车2018年，Nuo公司对外公开了他们研制的用于短途配送货物的无人车（见图1-3）8]，并于同年在美国亚利桑那州面向公众开放了无人车配送服务。该车利用装备的摄像机和激光雷达可感知前来提货的用户和路况。图1-3Nuo公司的短途配送货物无人车在城市交通领域除以上研究成果外，还有多家科技公司和汽车制造商推出了多款无人驾驶汽车，这些无人车目前都在美国加利福尼亚州进行路试。2第1章绪论表1-1的数据来自美国加利福尼亚州车辆管理局(DMV)发布的《2018年自动驾驶接管报告》。其中统计了2017年12月一2018年11月期间在该州进行测试的无人车人工接管频率。这里的人工接管是指，因为天气、交通和系统故障等特殊情况，自动驾驶汽车在人工干预下脱离自动驾驶模式，并将控制权交给人类驾驶员的过程。因此，人工接管频率的高低可以从一个侧面反映目前无人驾驶技术的研究现状。表1-1DMV的城市交通领域无人车人工接管频率统计表(2017年12月一2018年11月期间)公司名称平均接管一次行进距离/km公司名称平均接管一次行进距离/kmWaymo17846.8Nullmax71.4GMCruie8327.8PhatomAI33.2Zoox3076.4NVIDIA32.2Nuro1645.3SFMotor17.7Poy.AI1635.6Teleav9.6Nia336.8BMW7.3Baidu329.0CarOe/Udelv6.1AIMotive322.6Toyota4.1AutoX305.3Qualcomm3.8Roadtar.AI280.5Hoda3.5WeRide/JigChi277.6MercedeBez2.3Aurora159.8SAIC1.9Drive.ai134.3Ale1.8PluAI87.0Uer0.6在农业领域，凯斯纽荷兰工业集团(CNHIdutrialN.V.)在美国爱荷华州举行的2016农业进步展览会上推出了凯斯(CaeIH)Magum无人驾驶概念拖拉机（见图1-4）。图1-4凯斯纽荷兰工业集团(CNHIdutrialN.V.)的凯斯Magum无人驾驶概念拖拉机该拖拉机可依据地势、障碍物以及田间其他农用机械的位置，自动规划最佳行进路线：根据远程遥控指令或天气预警信息，可实时调整该拖拉机的任务；一旦GPS位置信息丢失，该无人驾驶拖拉机会立即停止运行，从而保证农业生产安全。2019年，约翰迪尔公司(JohDeere)对外公开了他们研制的全电动无人驾驶拖拉机GridCON(见图1-5)。GridCON采用电缆供电，能够以20km/h的速度自主运行；为防止其碾压电缆，GridCON集成了智能引导系统，并配备了用于收放电缆的机械臂[o。3无人系统基础图I-5约翰迪尔公司(JohDeere)的全电动无人驾驶拖拉机GridCON此外，在2016中国国际农业机械展览会上，中国一拖集团有限公司发布了无人驾驶拖拉机一代样机。2018年，该公司设计的“东方红”无人驾驶拖拉机实现了农业全过程（即起动、倒车、操作农具、避障、耕作)的无人作业。2019年，由河南省智能农机创新中心牵头研制了我国首台纯电动无人拖拉机，该项研究在拖拉机路径规划和电动控制等方面取得了突破。在采矿行业，2005年小松集团(Komatu)开始研制露天矿山无人运输系统，于2008年正式商业化运营：该系统无须驾驶员，从而降低了15%的运输成本：而且，通过优化无人驾驶矿用卡车的控制方式，使轮胎寿命延长了40%。2016年，小松集团推出了新一代无人驾驶矿用卡车（见图1-6），该车取消了方向盘、脚踏板以及驾驶室，进而采用了四轮驱动转向系统，因此大幅提高了车辆的动力和灵活性。截至2018年年初，小松集团的无人驾驶矿车已在南北美洲以及澳大利亚的六座矿山得到应用」图1-6小松集团(Komatu)的无人驾驶矿用卡车另外，卡特彼勒公司(Caterillar,CAT)于1996年研发了第一辆无人驾驶矿用卡车：2013年，该公司的六辆无人驾驶矿用卡车开始商用。至2019年商用规模已超过150辆，为矿山转运物料已达10亿t,行驶里程将近3500万km。2019年年初，中国兵器工业集团旗下内蒙古北方重工业集团北方股份公司推出了国内首台无人驾驶电动轮矿用卡车，并进驻矿山开展测试。该车采用了载波相位差分(TK)技术定位误差限制在厘米级；基于毫米波雷达和激光雷达可感知矿区环境信息，从而实现了矿车自动避障、自动倾斜和精准停靠。在港口码头行业，2001年科尼集团(Koecrae)把基于柴液动力的Gottwald集装箱自动4第1章绪论导引车(AGV)应用于德国汉堡港，无人驾驶的AGV负责将集装箱由岸桥运输到堆场；2006年又交付了柴电动力的AGV:2011年采用铅酸电池的AGV开始商用；2018年具有快速充电能力的锂电池供电AGV投人使用（见图1-7），其完全充电只需1.5h。KLINE图1-7科尼集团(Koecrae)Gottwald的锂电池供电集装箱自动导引车从2002年起上海振华重工（集团）股份有限公司(ZPMC)开始研发集装箱AGV。2017年其研制的第四代AGV在青岛港全自动化码头投入运营（见图1-8）。与上一代AGV的区别是，该车具有集电系统以及顶升装置，集电系统利用滑触线保证AGV在行进中充电，顶升装置可抬高集装箱并将其放置到堆场指定位置。YRP图1-8青岛港全自动化码头的上海振华重工（集团）股份有限公司集装箱自动导引车目前，集装箱AGV定位技术包括GPS定位、利用埋设的电磁导引线（或磁钉）进行定位、加速度计和陀螺仪的惯性定位、激光定位等]。在仓储物流领域，亚马逊公司(Amazo)于2012年使用了仓储AGV(即Kiva机器人，见图1-9)[3]。Kva机器人通过地面的二维码进行定位，可按照无线指令将订单对应的货架搬运到分拣员面前，从而大幅提高了仓库的拣货效率。从2012年起，阿里巴巴、京东、顺丰和申通等公司陆续开始大量配备仓储物流搬运AGV。此外，2015年LideMaterialHadlig公司与Balyo公司合作研发了无人驾驶叉车（见图1-10)。无人系统基础Lidero图1-9亚马逊公司(Amazo)的仓储物流图1-l0LideMaterialHadlig公司与搬运AGV(Kiva机器人)Blyo公司合作研发的无人驾驶叉车该车在仓库内能无人驾驶的核心技术是Balyo设计的同时定位与地图构建(SimultaeouLocalizatioadMaig,SLAM)算法。为实现无人驾驶叉车的室内定位和环境感知，Balyo的工程师要完成以下三个步骤：首先，手动控制叉车在工作区运动，期间利用车载激光雷达(LightImagigDetectioadRagig,LIDAR)记录数据，并基于SLAM技术测绘出该工作☒的二维地图；然后，将二维地图中非固定设施移除，从而保留工作区的特征点（如柱子、墙壁搁物架等)，为后续无人驾驶提供工作区的参照地图，进而根据物流需求，在参照地图上为无人驾驶叉车添加虚拟路径和货物取放点：最后，将上述参照地图存储在无人驾驶叉车的计算机中，这样该叉车将参照地图和激光雷达实时获取的环境信息相比较就可完成自身定位和行进。在智能家居领域，2010年NeatoRootic公司首次将激光雷达SLAM技术运用到扫地机器人；利用SLAM技术测绘出的房间地图进行路径规划，保证了该机器人不与室内墙壁、家具发生碰撞且避免了清扫路线重复的情况。图1-11所示是2017年NeatoRootic发布的最新一代扫地机器人BotvacD7MCoected[I,其满电续航时间是2h,利用手机APP可令机器人在清扫行进过程中避开指定区域（如儿童和宠物区）。图1-11NeatoRootic公司的扫地机器人BotvacD7MCoected6···试读结束···...

2022-05-04

图书名称：《智能系统与技术丛书深度学习实战基于TeorFlow2和Kera原书第2版》【作者】（意）安东尼奥·古利，（印）阿米塔·卡普尔，（美）苏吉特·帕尔作；刘尚峰，刘冰译【丛书名】智能系统与技术丛书【页数】458【出版社】北京：机械工业出版社,2021.08【ISBN号】978-7-111-68771-9【价格】149.00【参考文献】（意）安东尼奥·古利，（印）阿米塔·卡普尔，（美）苏吉特·帕尔作；刘尚峰，刘冰译.智能系统与技术丛书深度学习实战基于TeorFlow2和Kera原书第2版.北京：机械工业出版社,2021.08.图书封面：智能系统与技术丛书深度学习实战基于TeorFlow2和Kera原书第2版》内容提要：本书围绕TeorFlow和Kera讲解神经网络和深度学习技术。在这个强大、受欢迎、可扩展的机器学习技术栈中，你将学习如何编写深度学习应用。TeorFlow是专业级应用选用的机器学习库，而Kera提供了一个简单且强大的PythoAPI来访问TeorFlow。TeorFlow2提供了完整的集成Kera，使高阶机器学习比以往任何时候都更加轻松便捷。本书还介绍了基于TeorFlow的神经网络，贯穿了主要的应用（回归、CNN、GAN、RNN、NLP），还涵盖了两个可用的示例应用，并深入探讨了生产环境下的TF、TFMoile，以及TeorFlow与AutoML的结合使用。《智能系统与技术丛书深度学习实战基于TeorFlow2和Kera原书第2版》内容试读CHAPTERI第1章基于TeorFlow2.0的神经网络基础本章我们将学习TerorFlow的基本内容，它是Google开发的用于机器学习和深度学习的开源框架。另外，我们也会介绍一些神经网络和深度学习的基础概念，近年来这两个机器学习领域取得了难以置信的寒武纪式增长。通过学习本章，希望你能了解动手实践深度学习所需的所有工具。1.1TeorFlow是什么TeorFlow(TF)是一个功能强大的开源软件库，它由Google的布莱恩(Brai)团队开发，主要用于深度神经网络。它自2015年11月使用Aache2.0开源协议首次发布后飞速发展，截至2019年5月，它在Githu的项目仓库(htt://githu.com/teorf1ow/teorf1ow)上已经有超过51000条提交，大约1830个贡献者。这些数据说明了它自身的流行度。我们先来看看TeorFlow到底是什么，以及它为何在众多深度神经网络研究人员和工程师中如此流行。Google©称它为“机器智能的开源软件库”，但随着很多深度学习库的出现，PyTorch(htt://ytorch.org/),Caffe(htt://caffe.erkeleyviio.org/)和MxNet(htt://mxet.aache.org/),是什么使得TeorFlow仍然与众不同呢？大多数深度学习库（如TeorFlow)都有自动求导工具（一种用于优化的数学工具），许多是开源平台，其中大多数提供CPU/GPU选项，有预训练模型，支持常用的神经网络架构（比如循环神经网络、卷积神经网络和深度信念网络）。⊙寒武纪生命大爆发是地球生命进化史上的一大奇观，这里指神经网络和深度学习的发展速度非常之快。一编辑注2第1章除此之外，TeorFlow还有以下重要的功能：口它适用于所有流行的编程语言，比如，Pytho、C++、Java、R和Go。口Kera作为高阶神经网络API集成到了TeorFlow中（自2.0开始，Kera成为与TeorFlow交互的标准API)。该API指定了软件组件间的交互方式。▣TeorFlow允许部署模型且易于在生产中使用。口TeorFlow2.0在基于静态图的图计算基础上，增加了动态计算（见第2章）。口最重要的是，TeorFlow拥有非常好的社区支持。对于所有开源项目，Githu上的五角星数量是衡量其流行度的重要途径（见图1-1）。截至2019年3月，TeorFlow、Kera和PyTorch的星数分别为123000、39100和25800。可见，TeorFlow成了机器学习中最受欢迎的框架。teorflow/teorflow●C++★123kAOeSourceMachieLearigFrameworkforEveryoekera-team/kera●Pytho★39.1kDeeLearigforhumaytorch/ytorch★25,8kTeoradDyamiceuraletworkiPythowithtrogGPUaccleratio图1-1Githu上各种深度学习项目的星数GoogleTred(趋势)是另一种衡量流行度的途径，结果再次证明TeorFlow和Kera分列一二位（截至2019年底），而PyTorch紧随其后（见图1-2）。GoogleTredComare<▣甜Relodthiage●teorfow●ctk◆ytorch●met●keraSearchtermSearchtermSearchtermSearchtermSearchtermUitedState学1/1/5-3/15/19AllcategorieWeSearchiteretovertime②±)<图1-2各种深度学习项目的GoogleTred基于TeorFlow2.0的神经网络基础31.2Kera是什么Kera是一个设计优美的API,它组合了各类用于建立和训练深度学习模型的构建模块。Kera可以集成到很多不同的深度学习引擎中，包括GoogleTeorFlow、MicrooftCNTK、AmazoMxNet和Theao。从TeorFlow2.0开始，Kera被采用为标准高阶API,大幅简化了编码，并使编程更为直观。1.3TeorFlow2.0有哪些重要的改动TeorFlow2.0包含大量的改动。Kera现在已经是TeorFlow的一部分。tf.kera是TeorFlow对Kera的具体实现，使用它替换掉Kera,可以更好地与其他TeorFlowAPI(比如动态图tf.data)集成，还有很多其他好处。这点我们将在第2章中详细讨论。TeorFlow可以使用i安装。更多TeorFlow安装选项可参考htt://www.teorflow.org/ital1a支持CPU版本：iitallteorflow支持GPU版本：iitallteorflow-gu为了理解TeorFlow2.0有哪些新特性，首先可以看一看在TeorFlow1.0中编写神经网络的传统方法：imortteorflow.comat.vlatfi_atf.laceholder(dtye=tf.float32,hae=(2))defmodel(x):withtf.variale_coe("matmul"):W=tf.get_variale("W",iitializer=tf.oe(hae=(2,2)))tf.get_variale("",iitializer=tf.zero(hae=(2)))returxWout_amodel(ia)withtf.Seio()ae:e.ru(tf.gloal_varialeiitializer())oute.ru([outa],feeddict=(ia:[1,0]))下面安装TeorFlow2.0。⊙此处指TeorFlow1.x的安装。一译者注4第1章支持CPU版本：iitallteorflow==2.0.0-alha0支持GPU版本：iitallteorflow-gu==2.0.0-alha0在TeorFlow2.0中编写神经网络的代码实现如下所示：imortteorflowatfWtf.Variale(tf.oe(hae=(2,2)),ame="W")tf.Variale(tf.zero(hae=(2)),ame="")@tf.fuctiodefmodel(x):returWxouta=model([1,0]）rit(outa】很明显，代码更加简洁美观。事实上，TeorFlow2.0的核心思想是使TeorFlow更易学易用。若你直接开始学习TeorFlow2.0,则你是幸运的。如果你已经很熟悉1x,那么就需要理解两者间的不同点，同时，你可能还需要借助一些自动化迁移工具来重写代码，这一点将会在第2章中讨论。现在，我们先介绍TeorFlow支持的最强大的学习范式之一：神经网络。1.4神经网络概述人工神经网络(ArtificialNeuralNetwork,ANN)表示一类机器学习模型，其灵感来自对哺乳动物中枢神经系统的研究。单个人工神经网络由多个互联的“神经元”组成，组织形式为“层”。某一层的神经元会将消息传递到其下一层神经元（术语为“发射”），这即是神经网络的运行方式。始于20世纪50年代初的早期研究提出了一种可进行简单运算的双层网络—“感知器”。随后，20世纪60年代末期进一步扩大了研究成果，提出了“反向传播”算法2，)，可用于更为高效的多层网络训练必一些研究认为，这些技术的根源可以追溯到更为久远的年代内。截至20世纪80年代，神经网络一直是学术热点之一，之后，其他一些更简单的实现方法受到了更多的重视。到了21世纪第一个十年的中期，人们重新唤起了对神经网络的兴趣，这主要得益于三个因素：G.Hito提出了一种突破性的快速学习算法35-6；2011年前后提出了将GPU用于大规模数值计算：大量可供训练的可用数据集这些改进措施为现代“深度学习”开辟了道路，它是一类神经元层数非常大的神经网络，并能够基于渐进式抽象层学习一些相当复杂的模型。几年前，人们起初会将一些使用了3~5层的神经元层数称为“深层”，而如今，200层以上的网络已经司空见惯！基于渐进式抽象的学习方式与人类大脑中进化了数百万年的视觉模型很类似。事实上基于TeorFlow2.0的神经网络基础5人类视觉系统就是由不同的层组合而成的。比如，我们的眼睛首先连接到称为视觉皮层(V1)的大脑区域（位于大脑后下部），该区域在许多哺乳动物中很常见，主要用于区分物体的基本属性，例如视觉方向、空间频率和颜色等方面的微小变化。据估计，V1视觉皮层由大约1.4亿个神经元组成，它们之间有数百亿个连接。进而，V1会连接到其他区域(V2、V3、V4、V5和V6),逐渐进行更复杂的图像处理及识别更复杂的概念，例如形状、面部、动物等。有人估计人类大脑皮层神经元总共约160亿个，其中的10%~25%用于视觉四。人类视觉系统的这种基于层的组织方式使深度学习获得了一些启发：前置的人工神经元层学习图像的基本属性，而更深的层则学习更复杂的概念。本书将提供一些在TeorFlow2.0中可工作的神经网络，其涵盖神经网络的几个主要方面。让我们从感知器开始吧！1.5感知器感知器是一种简单的算法，其输人向量（通常称为输入特征，简称为特征）为x(x,x2,,xm,共m个值)，输出为1(“是”)或0(“否”)。数学上，我们据此定义一个函数：1wx+>0f(x)=0否则其中w是权重向量，wx是点积∑x,是偏置。Wx+实际上定义了一个边界超平面，由w和的值改变位置。注意，超平面是一个子空间，其维数比它周围空间的维数少1。示例如图1-3所示。该算法简洁且行之有效。例如，给定三个输入特征，如红色绿色和蓝色的数值，感知器可以尝试确定该颜色是否为白色。需要注意的是，感知器无法表示“也许”结论。假设我们已经掌握了如何确定感知器的w和,那么它只能回答“是”(1)或“否”图1-3超平面示例(0)。这就是所谓的“训练”过程，将在以下各节中讨论。TeorFlow2.0代码的第一个例子在tf.kera中创建模型的方式有3种：序列(Sequetial)API、功能(Fuctioal)API和模型(Model)子类。在本章中，我们将使用最简单的Sequetial(),在第2章中再讨论另外两个。Sequetia1()模型是神经网络层的线性管道（栈）。以下代码定义了一个含有10个人工神经元的单层模型，期望输入变量（特征）个数为784。请留意，该网络是稠密的(dee),意味着每层中的每个神经元都连接到上一层的所有神经元，以及下一层的所有神经元：6第1章imortteorflowatffromteorflowimortkeraNBCLASSES=10RESHAPED784modeltf.kera.model.Sequetial()model.add(kera.layer.Dee(NB_CLASSESiut_hae=(RESHAPED,)kerel_iitializer='zero',ame='deelayer',activatio-'oftmax'))通过参数kerel_iitializer,每个神经元都能用特定的权重值初始化。有多种参数值可供选择，常见如下：口radomuiform:权重初始化值在-0.05~0.05的小范围内均匀随机分布。口radom_ormal:权重初始化值服从均值为零、标准差为0.05的高斯分布。若对高斯分布不太熟悉，可以将其想象成一个对称的“钟形曲线”形状口zero:所有权重初始化为0。完整的参数列表可访问线上文档：htt://www.teorf1low.org/ai_doc/ytho/tf/kera/iitializer.1.6多层感知器—第一个神经网络示例在本章中，我们将展示第一个具有多个稠密层的神经网络示例。由于历史原因，感知器专指具有单个线性层的模型，因此，如果模型中含有多个线性层，则称之为多层感知器(MLP)。需要注输入意，输入层或输出层从外部可见，而所有其他中间层输出都是隐藏的，统称为隐藏层。在这种情况下，每个线性层对应一个线性函数，而多层感知器将多个线性层依次堆叠，如图1-4所示。在图1-4中，第一个隐藏层中的每个节点接收输入，并根据其关联线性函数的计算值“发射”(0,1)信号。然后，第一个隐藏层的输出传递到第二层，在第图1-4多层感知器示例二层应用另一个线性函数，其结果传递到由单个神经元组成的输出层。有趣的是，这个分层的组织结构很像我们前面讨论的人类视觉系统。1.6.1感知器训练的问题及对策考虑一个神经元：权重w和偏差的最佳选择是什么？理想情况下，我们希望提供一组训练示例，在计算机保证输出误差最小的前提下调整权重和偏差。再具体一点，假设有一组猫的图片和另一组不包含猫的图片。同时，假设每个神经元的输入为图片中每个像素的值。那么，当计算机处理这些图像时，我们希望每个神经元都能调整其···试读结束···...

2022-05-04

图书名称：《智能系统与技术丛书深入浅出联邦学习原理与实践》【作者】王健宗，李泽远，何安珣作【丛书名】智能系统与技术丛书【页数】189【出版社】北京：机械工业出版社,2021.04【ISBN号】978-7-111-67959-2【分类】机器学习【参考文献】王健宗，李泽远，何安珣作.智能系统与技术丛书深入浅出联邦学习原理与实践.北京：机械工业出版社,2021.04.图书封面：智能系统与技术丛书深入浅出联邦学习原理与实践》内容提要：这是一本从基础、原理、实战、拓展4个维度系统讲解联邦学习的著作。作者是人工智能领域的资深专家，现任某大型金融集团科技公司联邦学习团队负责人，这本书不仅得到了中外院士的联合推荐，而且得到了来自清华大学、华中科技大学、百度、蚂蚁集团、同盾科技等学术界和企业界的专家的一致推荐。全书共9章，分为4个部分。第1部分基础（第1-2章）主要介绍了联邦学习的概念、由来、发展历史、架构思想、应用场景、优势、规范与标准、社区与生态等基础内容，帮助读者建立对联邦学习的感性认知。第二部分原理（第3-5章）详细讲解了联邦学习的工作原理、算法、加密机制、激励机制等核心技术，为读者进行联邦学习实践打好理论基础。第三部分实战（第6-7章）主要讲解了PySyft、TFF、CryTe等主流联邦学习开源框架的部署实践，并给出了联邦学习在智慧金融、智慧医疗、智慧城市、物联网等领域的具体解决方案。第四部分拓展（第8-9章）概述了联邦学习的形态、联邦学习系统架构、当前面临的挑战等，并探讨了联邦学习的发展前景和趋势。《智能系统与技术丛书深入浅出联邦学习原理与实践》内容试读第一部分基础第1章联邦学习的前世今生第2章全面认识联邦学习CHAPTERI第1章联邦学习的前世今生联邦学习作为一种强调数据安全和隐私保护的分布式机器学习技术，在大数据与人工智能广泛发挥作用的背景下，受到具有数据监管和隐私保护需求行业的广泛关注。本章将主要介绍联邦学习的由来、发展历程及现状，并详细阐释联邦学习涉及的技术门类以及现有的生态与标准。1.1联邦学习的由来人工智能自1956年在达特茅斯会议上被正式提出以来，经历了三轮发展浪潮。第三轮浪潮起源于深度学习技术，并实现了飞跃。人工智能技术不断发展，在不同前沿领域体现出强大活力。然而，现阶段人工智能技术的发展受到数据的限制。不同的机构、组织、企业拥有不同量级和异构的数据，这些数据难以整合，形成了一座座数据孤岛。当前以深度学习为核心的人工智能技术，囿于数据缺乏，无法在智慧零售、智慧金融、智慧医疗、智慧城市、智慧工业等更多生产生活领域大展拳脚。大数据时代，公众对于数据隐私更为敏感。为了加强数据监管和隐私保护，确保个人数据作为新型资产类别的法律效力，欧盟于2018年推行《通用数据保护条例》(GDPR)。中国也在不断完善相关法律法规以规范数据的使用，例如，2017年实施《中华人民共和国网络安全法》和《中华人民共和国民法总则》，2019年推出《互联网个人信息安第1章联邦学习的前世今生3全保护指南》，2020年推出《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见（中华人民共和国个人信息保护法（草案）》等。这些法律条目都表明，数据拥有者需要接受监管，具有保护数据的义务，不得泄露数据。目前，一方面，数据孤岛和隐私问题的出现，使传统人工智能技术发展受限，大数据处理方法遭遇瓶颈；而另一方面，各机构、企业、组织所拥有的海量数据又有极大的潜在应用价值。于是，如何在满足数据隐私、安全和监管要求的前提下，利用多方异构数据进一步学习以推动人工智能的发展与落地，成为亟待解决的问题。保护隐私和数据安全的联邦学习技术应运而生。1.2联邦学习的发展历程人工智能自被正式提出以来，经历了60多年的演进过程，现已成为一门应用广泛的前沿交叉学科。机器学习作为人工智能最重要的分支之一，应用场景丰富，落地应用众多。随着大数据时代的到来，各行各业对数据分析的需求剧增，大数据、大模型、高计算复杂度的算法对机器的性能提出了更高的要求。在这样的背景下，单机可能无法很好地完成数据庞大、计算复杂度高的大模型训练，于是分布式机器学习技术应运而生。分布式机器学习使用大规模的异构计算设备（如GPU)和多机多卡集群进行训练，目标是协调和利用各分布式单机完成模型的快速迭代训练。但是，之前传统的分布式机器学习技术需要先将集中管理的数据采取数据分块并行或者模型分块并行的方式进行学习，同样面临着数据管理方数据泄露的风险，这在一定程度上制约了分布式机器学习技术的实际应用和推广。如何结合数据隐私保护与分布式机器学习，在保证数据安全的前提下合法合规地开展模型训练工作，是目前人工智能领域的研究热点问题之一。联邦学习技术在数据不出本地的前提下对多方模型进行联合训练，既保证了数据安全和隐私，又实现了分布式训练，是解决人工智能发展困境的可行途径。第一部分基础本节将主要介绍联邦学习的发展历程。首先，由于联邦学习本质上属于一种分布式机器学习技术/框架的延伸，因此本节将简要介绍机器学习与分布式机器学习的概念和重要的发展节点；其次，由于联邦学习使用了很多数据隐私保护领域的研究成果，因此本节会介绍隐私保护相关研究的历程；最后，本节将概述正处于成长阶段的联邦学习发展过程。1.机器学习机器学习的提出与发展可以追溯到20世纪40年代。早在1943年，WarreMc-Culloch和WalterPitt就在其论文“Alogicalcalculuoftheideaimmaetierv-ouactivity”⊙中描述了神经网络的计算模型。该模型借鉴了生物细胞的工作原理，试图对大脑思维过程加以仿真，引起了许多学者对神经网络的研究兴趣。1956年达特茅斯会议正式提出人工智能概念。短短3年后，ArthurSamuel就给出了机器学习的概念。所谓机器学习，就是研究和构建一种特殊算法（而非某一个特定的算法），能够让计算机自己在数据中学习从而进行预测。然而，由于当时的神经网络设计不当、要求进行数量庞大的计算，再加上硬件计算能力的限制，神经网络被认为是不可能实现的，机器学习的研究长期陷入停滞。直到20世纪90年代，随着云计算、异构计算等高新技术的发展，许多传统的机器学习算法被提出，并取得了良好的效果。l990年，RoertSchaire发表论文“Thetregthofweaklearaility'”e,文中提出弱学习集可以生成强学习，推动了机器学习领域使用Bootig算法；l995年，CoriaCorte和Vaik发表论文“Suort-vectoretwork”©，提出支持向量机的模型；2Ool年，Breima发表论文“Radomforet'”⑧，提出随机森林算法。随着深层网络模型和反向传播算法的提出，神经网络也重回研究视野，进入繁荣发展阶段。McCullochWS,PittW.Alogicalcalculuoftheideaimmaetiervouactivity[J].Theulletiofmathematicaliohyic,1943,5(4):115-133.SchaireRE.Thetregthofweaklearaility[J].Machielearig,1990,5(2):197-227.自CorteC,VaikV.Suort-vectoretwork[J].Machielearig,1995,20(3):273-297.BreimaL.Radomforet[J].Machielearig,2001,45(1):5-32.第1章联邦学习的前世今生52.分布式机器学习至今，机器学习已经发展出了很多分支，应用范围也越来越广泛。然而，随着数据量的持续增长，模型复杂度不断提高，单机节点无法承载大量的数据信息和计算资源，主流机器学习的发展遇到瓶颈。为了解决大数据训练慢的难题，分布式机器学习被提出。分布式机器学习技术将庞大的数据和计算资源部署到多台机器上，以提高系统的可扩展性和计算效率。实现分布式的核心问题是如何进行数据的存储和数据的并行处理，当前主要的分布式数据处理技术主要基于Google提出的分布式文件存储和任务分解处理的思想。Google在2003年和2004年分别发表两篇关于Google分布式文件系统(GFS)和任务分解与整合(MaReduce)的论文，并公布了其中的细节。基于这些核心思想，多家企业、科研机构开发了相应的大数据计算、大数据处理与分布式机器学习的平台。大数据计算与处理方面常见的平台有Hadoo、Sark和Flik等。Hadoo分布式系统的基础架构在2005年由Aache实现，其中的HDFS分布式文件系统为海量数据提供了存储空间，MaReduce为海量数据提供了计算支持，有效提高了大数据的处理速度。Sark平台则由加州大学伯克利分校AMP实验室开发，以数据流应用为主，扩展了MaReduce的应用。Flik是一种同时支持高吞吐、低延迟、高性能的分布式处理框架，近些年来被越来越多的国内公司所采用。分布式机器学习训练分为数据并行和模型并行两种。数据并行是更常用的分布式训练方案，在这种方式下，所有设备自行维护一份参数，输人不同的数据，反向传播的时候通过AllReduce方法同步梯度，但是对于太大的模型不适用。由于数据并行会出现模型过大的情况，模型并行的方案被提出。模型并行主要包括层内并行和层间并行两种，但它们会有参数同步和更新的问题，对此业内正在探索更加高效的自动并行方法，尝试通过梯度压缩的方式来减少参数的通信量等。随着分布式技术的发展，一些机器学习/深度学习框架纷纷宣布支持分布式。2013年年底，由卡内基梅隆大学邢波教授主导的机器学习研究小组开源Petuum平台，旨在提高并行处理效率。主流深度学习框架TeorFlow和PyTorch分别于2016年和2019第一部分基础年开始支持分布式运行和分布式训练。2017年1月，由亚马逊选定的官方开源平台MXNet及其项目进人Aache软件基金会。MXNet支持多种语言和快速模型训练。2o18年3月，百度开源依托云端的分布式深度学习平台PaddlePaddle。2018年10月，华为推出一站式AI开发平台ModelArt,其中集成了MoXig分布式训练加速框架。MoXig构建于开源的深度学习引擎TeorFlow、MXNet、PyTorch、Kera之上，使得这些计算引擎的分布式性能更高，易用性更好。2019年1月，英特尔开源其分布式深度学习平台Nauta,该平台提供多用户的分布式计算环境，用于进行深度学习模型训练实验。3.隐私保护技术如何在数据传输中保护数据的隐私安全，一直是密码学领域的一大研究热点。早在1982年，姚期智院士就提出了“百万富翁问题”，即两个百万富翁都想知道谁更富有，但都不愿意将自己的财富数字透露给对方，双方如何在不借助第三方的前提下获得这个问题的答案。由这个问题引申出了安全多方计算的研究领域。具体来说，该领域探讨设计的协议是解决一组互不信任的参与方之间如何在保护隐私信息且没有可信第三方的前提下协同计算的问题。目前已有多个安全多方计算框架，涉及的密码学技术有混淆电路、秘密共享、同态加密、不经意传输等。混淆电路针对双方安全计算，其思想是，将共同计算的函数转化为逻辑电路，对电路的每一个门都进行加密并打乱，从而保证计算过程中不会泄露原始输入和中间结果，双方根据各自的输入，对每个电路逻辑门的输出进行解密，直到获得答案。秘密共享的思想是，将需要保护的秘密按照某些适当的方式拆解并交予不同的参与方管理，只有一同协作才能恢复秘密消息。同态加密的思想由Rivet在1978年提出，之后Getry又在其2009年发表的论文“Fullyhomomorhicecrytiouigideallattice”e中引申出全同态加密。全同态加密是指同时满足加同态和乘同态性质、可以进行任意多次加与乘运算的加密函数，通过这样的函数保障，经过同态加密处理的数据在解密后，其输出等于未加密原始数据经过同样操作后的输出。不经意传输则强调通信双方以一种GetryC.Fullyhomomorhicecrytiouigideallattice[C]//Proceedigoftheforty-firtaualACMymoiumoTheoryofcomutig.2009:169-178.···试读结束···...

2022-05-04 深入浅出陆行夏寒全文免费阅读xyping 小说 深入浅出的近义词

图书名称：《国外高校优秀教材系列交通类智能交通系统数据分析》【作者】（美）马什鲁·乔杜里，（美）艾米·阿彭，（美）卡坎·戴伊作；马晓磊，于海洋译【丛书名】国外高校优秀教材系列【页数】250【出版社】北京：机械工业出版社,2021.05【ISBN号】978-7-111-67592-1【分类】交通运输管理-智能系统-高等学校-教材【参考文献】（美）马什鲁·乔杜里，（美）艾米·阿彭，（美）卡坎·戴伊作；马晓磊，于海洋译.国外高校优秀教材系列交通类智能交通系统数据分析.北京：机械工业出版社,2021.05.图书封面：智能交通系统数据分析》内容提要：《智能交通系统数据分析》提供了用于分析智能交通系统的各类数据驱动方法，其中包括了实现这些算法的各种大数据分析与计算工具；回顾了智能交通系统的主要特点，以及如何分析其产生数据的基本概念。《智能交通系统数据分析》涉及数据采集、存储、处理和发布，数据架构设计、数据管理与展示系统，以及需要的软硬件技术。读者将会学习到如何设计有效的数据可视化界面、如何根据不同的交通场景评价不同的数据分析方法、在客车及货车领域面向安全与环境的案例应用、数据隐私和安全，以及社交媒体数据在交通规划中的应用。《智能交通系统数据分析》可作为本科生和研究生学习智能交通系统数据分析的教材，也适用于从事智能交通行业的研发人员阅读使用。《国外高校优秀教材系列交通类智能交通系统数据分析》内容试读第1章Chater智能交通系统的特征及其与数据分析的关系11.1智能交通系统作为数据密集型应用智能交通系统(ITS)的应用是复杂的、数据密集型的应用，其特点可以用“大数据的5V”来描述：①大量(volume),②多样(variety),③高速(velocity),④真实(veracity),⑤低价值密度(value)(对于最初的3V,见参考文献[1])。请注意，这些特性中的任何一个都可能对传统的数据库管理系统产生挑战，而具有其中多个特性的数据对于传统的数据处理系统来说是根本无法处理的。因此，需要能够处理大量历史和实时数据的数据基础设施和系统将TS从传统的技术驱动系统转变为复杂的数据驱动系统。第一个“V”是TS的数据量，对于运输系统来说，它是呈指数增长的。随着越来越多的复杂数据采集技术，每一秒钟都在生成数量空前的交通相关数据。例如，2013年每个汽车制造企业采集了大约480TB的数据，到2020年增加到11.1PB/年2。同样，伦敦市的闭路电视(CCTV)系统的500个摄像头产生1.2G的数据)。ITS数据的第二个“V”是数据多样性，它可以是以多种格式和多种方式采集的数据，包括从车辆和基础设施传感器上捕获的数字数据、来自社交媒体的文本数据以及从地图加载的图像和地理信息系统(GIS)数据。这些数据的组织程度从半结构化数据（例如，维修日志、图像、视频和音频文件)到结构化数据（例如，来自传感器系统的数据和来自交通事故数据存储库内的数据)之间各不相同。社交媒体数据被认为是半结构化数据，包含标签或具有不同语义元素的通用结构。不同的数据集具有不同的格式，这些格式在文件大小、记录长度和编码方案方面有所不同，其内容可以是同构的，也可以是异构的（即，具有许多数据类型，如文本、离散数字数据和可能标记或不标记的连续数字数据)。这些由不同来源以不同格式生成的异构数据集对数据分析系统的接收和集成提出了重大挑战。然而，它们的融合使得复杂分析变成可能，包括用于模式检测的自学习算法到用于复杂预测的降维方法。ITS数据的第三个“V”是速度，变化很大。从批处理到在线数据源的实时事件处理，数据摄取率和处理需求差异很大，从而引起了对数据基础架构的高要求。有些数据是连续、实时采集的，而有些数据是定期采集的。例如，美国大多数州的交通部门(DOT)使用自动数据采集器，向媒体提供数据。加利福尼亚州运输局(Caltra)设计智能交通系统数据分斯的商业/媒体大规模网络门户(CWWP)就是一个这样的例子，该网站旨在满足商业和媒体信息服务提供商的数据需求。CWWP请求并接收由Caltra维护的数据采集设备生成的旅行者信息)。尽管该系统是从交通中连续采集速度数据，但是可以以较低的频率间隔更新道路地图等数据。ITS数据的第四个“V”是真实，用于描述ITS数据的确定性或可靠性。例如，从数据流做出的任何决定都取决于源和数据流的完整性，即传感器的正确校准和对任何丢失数据的正确解释。因此，采集可靠和及时的交通相关数据的目标是ITS面临的重大挑战。ITS数据最后的“V”是低价值密度，取决于数据的已获取时间、采样率和预期的应用。例如，几分钟前的数据对于避免碰撞应用可能没有任何价值，但在路线规划应用中可能有用。价值是从数据中提取有意义的、可操作业务见解的能力度量。以下内容将从不同的数据系统角度描述TS,并解释TS不同的数据源和数据采集技术。1.1.1TS数据系统使用TS的一维视图可能会简化系统的某些方面。然而，它的复杂性要求使用多个视角。一种看待TS的方法是把它看作一个数据密集型的应用，在这个应用程序中，数据由计算机、通信基础设施和交通基础设施组成的互联网络承载并在其中流通。该系统的特点是：①数据生产者和消费者；②数据存储系统；③智能决策支持组件。通过有线和无线技术支持通信。智能决策支持应用程序通过互联网络，从道路传感器及其设备中提取数十亿个数据源产生的相关数据。然后，这些数据被用于向道路使用者、交通规划人员和决策者提供特定的服务。理解TS的第二种方法是考虑系统构架的各个层，类似于开放系统互联网络模型。对于该系统，基础层包含物理传输组件、计算机网络、计算机和存储设备。这些计算组件可能是现成的商品，也可能是小型社区或单个公司使用的专门设计的专用设备。该系统还具有一系列已经定义的标准，允许网络连接到计算机和存储设备。在基本物理层之上是数据链路层，它的特征是一系列日益复杂的标准，这些标准定义了特定网络技术(如无线或有线网络)的通信协议。互联网协议(P)是用于将不同网络连接在一起的标准协议，它高于单个网络协议，以允许经由移动电话到数据中心的车辆通信，数据中心与10G以太网等有线网络技术互连。IP之上的传输层协议，例如传输控制协议(TCP)和其他协议，确保了端到端通信的可靠性，即使不同的源在移动和变化。传输层上方的会话、显示和应用程序层协议描述了应用程序期望的数据格式，并管理用户和系统之间以及不同自治系统之间传递的不同类型的消息。看待TS的另一种观点是“三个I”一仪表化、互联化和智能化[。这是一个仪表概念，包括高级设备和传感器，这些设备和传感器的采集数据的数量和类型日益多样化。例如，传感器可以测量位置信息、监测和测量振动，或使用不同类型的摄像头捕获视频。高速公路上的探测车可用于连续采集交通数据。虽然传感器需要电源，如电池或电力连接，但技术进步使得在交通基础设施上广泛部署廉价传感器成为可能，可以在没有电池或外部电源的情况下运行。在这里，复杂的有线和无线通信系统将数据从传感器传输到智能决策支持应用程序。智能交通系统的特征及其与数据分析的关系第1章1.1.2TS数据源与数据采集技术通信和计算技术的重大进步反过来又使ITS数据采集技术取得了进展。相关数据来源很多。ITS数据源可分为四大类：①道路数据；②基于车辆的数据；③基于出行者的数据④广域数据。同样，数据采集技术分为四类：①道路数据采集技术；②基于车辆的数据采集技术；③基于出行者的数据采集技术；④广域数据采集技术。数十年来，道路数据采集技术一直被用于从高速公路沿线的固定地点采集数据。道路上使用的传感器在本质上可以是无源的，采集数据而不中断正常的交通行为。环形检测器是应用最广泛的道路数据采集技术之一。许多基于环路检测的应用目前正在使用中，如交叉口交通监控、事件检测、车辆分类和车辆再识别应用0.山。某些类型的环形探测器可以提供数据，包括某个位置车辆的计数或检测。另一种类型的道路数据采集器是微波雷达，它可以检测车流量、速度和车辆是否存在。红外传感器可以用来测量车辆的反射能量，能用于推断车辆的类型或行为特征。超声波传感器可以识别车辆数、车辆是否存在和车道被占用情况。另一种广泛使用的道路数据采集技术是闭路电视摄像头。机器学习方法可以应用到视频中来检测交通特征。一旦这些图像被数字化，它们就会被处理并转换成相关的交通数据。采用不同的机器视觉算法对记录的交通图像进行分析，实现实时交通监控、事件检测和验证，以及车辆分类。基于车辆的数据采集技术，例如带有电子收费标签的车辆和全球定位系统（GPS),与基于手机的蓝牙和WFi无线电相结合，是ITS应用中的第二个数据源。当道路数据采集技术用于特定位置的数据采集时，从移动车辆源采集数据的机会推动了诸如路线选择、起点和终点调查、行程时间估计等新应用的发展。网联车辆(coectedvehicle,CV)技术通过动态无线通信网络连接道路上的车辆，使车辆能够与其他车辆和交通基础设施，特别是路侧单元(roadideuit,RSU)实时共享数据。在网联车辆环境中，车辆和基础设施之间的这种无缝实时连接有可能为现有的基于基础设施的TS应用带来新的好处，包括安全性、移动性和环境方面的好处。到目前为止，美国运输部(USDOT)已经确定了97个网联车辆申请，而且这个名单还在增加2使用手机应用的驾驶人为TS提供了第三个数据采集源。这些广泛使用的通信和手机应用程序以及在线社交媒体已经被出行者用来自愿提供最新的交通信息。例如，现在由谷歌运营的Waze手机应用程序使用出行者的位置信息来推断交通减速和交通事故的潜在位置。然而，这些通过在线社交媒体平台获得的驾驶人数据是半结构化和不可靠的，驾驶人没有提供任何交通事件的具体位置信息。例如，只有1.6%的Twitter用户激活了地理定位功能)广域数据采集技术是第四种数据采集源，它通过多传感器网络监测交通流。由无人机和天基雷达获取的摄影测量和视频记录也可作为该技术的数据采集源。从这些技术中采集的数据包括车辆间距、速度和密度，这些数据反过来又用于不同的目的，如交通监控和事件管理。表1-1总结了不同的交通数据采集技术。除了四种经典的数据采集源采集的数据外，与交通相关的数据也来源于新闻媒体、气象站等。公共和私营机构在不同的交通决策活动中使用不同的技术采集的实时和存档数据，对迅速实施不同的ITS应用发挥了显著作用。3智能交通系统数据分析表1-1TS数据来源和数据采集技术数据来源数据采集技术数据类型用户优点缺点流量、速度、类·不受天气影响公共机·有限的范围环形检测器型、占有率，是否·使用广泛，熟练劳动力·延长生命周期成本构存在即可操作·易受货车重量影响而损坏道路数据基于视觉的流量、速度、类,比环形检测器覆盖范围大技术(CCTV公共机·延长生命周期成本型、占有率，是否·不受交通负荷影响摄像头)·受天气影响较大存在构·持续采集数据·覆盖范围比环形探测器和摄像头大车辆位置、行驶浮动车辆数·提取数据需要复杂的算时间、速度、横向公共和·车内无需特殊硬件设备据（有GPS和·道路沿线无需修建特殊法私人机构蜂窝网络)和纵向速/诚速、基础设施·GPS定位精度低基于车辆障碍物探测·持续采集数据的数据·不受天气影响车辆位置、行驶覆盖范围比环形探测器·提取数据需要复杂的算法时间、速度、横向网联车辆公共和和摄像头大需要专用的短程通信和纵向速/减速私人机构·持续采集数据(DSRC)或其他通信设备障碍物探测·不受天气影响基于出行推特、Waze实时警报、意外公共和·由于旅客的存在，覆盖·位置精度低者的数据检测私人机构范围更广·半结构化数据交通监控、事故·受天气、植被和阴影的公共机广域数据摄影测量交通规划与·可以从地面难以靠近的影响管理、设计构位置收集数据·精度受照相机质量和飞行高度的影响来源：[14]S.Bregma,Ueofocialmediaiulictraortatio,Tra.Re.Board99(2012)18-28.[15]CDOT,SurveyMaual,Chater4,AerialSurvey,ColoradoDeartmetofTraortatio.智能交通系统的大数据分析方法与基础设施建设数据分析的目的是从收集的数据中获取见解和知识。无论是评估现有的运输网络还是比较拟议的备选方案，分析数据和提供按需决策支持的能力对于ITS都是至关重要的。因此，为ITS开发的大数据分析方法是基于能够合并来自各种数据源的不同类型的非结构化、实时或档案数据集的能力的。本节描述了ITS数据分析关键方面的一个示例，特别是数据分析的基本类型、数据时间维度的作用、大数据分析的基础结构以及TS数据的安全性。更多详细的解释将在本书的其余章节中概述。如第2章“数据分析基础”所述，数据分析可以是描述性的、判断性的、预测性的和说明性的，每一种都用于ITS数据分析。描述性分析使用统计方法来描述数据中的特征和模式。给定道路上车辆的观测数据，可以计算出：①一天中特定时间沿道路延伸的平均车辆数；②车辆的平均、最小和最大速度：③车辆的平均重量和尺寸。第7章“可···试读结束···...

2022-05-04 城市智能交通系统陈旭梅

图书名称：《复杂机电系统智能故障诊断与健康评估》【作者】李巍华，张小丽，严如强作【页数】410【出版社】北京：国防工业出版社,2021.05【ISBN号】978-7-118-12218-3【参考文献】李巍华，张小丽，严如强作.复杂机电系统智能故障诊断与健康评估.北京：国防工业出版社,2021.05.图书封面：智能故障诊断与健康评估》内容提要：本书系统的阐述现代工业中复杂机电系统的故障预测、智能诊断及系统健康状态的评估等理论与方法，主要包括基于数据驱动的智能故障诊断原理、方法及其实现技术。基于统计学习理论、半监督学习、流形学习、深度学习的故障预测、状态评估的原理、技术及其应用。重点从模式识别、机器学习的角度，重点阐述基于半监督学习、流形学习的故障特征提取与选择、早期故障的预测、故障模式的分类及装备性能退化的评估等。并对当前机器学习的研究热点，深度学习在智能预测、健康评估中的应用进行分析、展望。本书可作为高等院校机械工程、控制工程、自动化及系统工程等专业的研究生教材或教学参考书，也可供广大科技工作者和从事过程控制、故障诊断、设备维护等人员参考。《复杂机电系统智能故障诊断与健康评估》内容试读第1章绪论1.1智能故障诊断与健康评估的概念装备智能故障诊断与健康评估是指利用人工智能和机器学习的相关算法对目标对象进行故障诊断、故障演化趋势及剩余寿命预测、健康状况的评估。从人工智能的角度看，装备的智能诊断与预测属于典型的模式识别问题。机器学习算法可以从历史数据中学习相关的知识，并生成相应的模型用于诊断、预测和健康评估。装备智能故障诊断与健康评估对应着故障预测与健康管理(rogoticadhealthmaagemet,.PHM)领域的3个层次：①故障检测和故障定位（故障诊断）；②故障发展趋势及剩余寿命预测（故障预测）：③根据诊断和预测信息对系统的健康状态进行评估（健康评估）。故障诊断包括故障检测和故障定位，故障检测主要是判断设备是否出现故障，而故障定位则是在故障出现时对故障部位进行识别故障检测技术的出现使得设备故障可以被及时地发现，防止故障继续发展造成更加严重的后果：故障定位技术则大大减少了设备检修的时间。故障预测则是在诊断的基础上，结合对象的结构参数与运行参数对设备的性能退化程度进行分析，对装备未来的故障及其演化的趋势进行预测、分析和判断，并对设备的剩余使用寿命进行预测。根据故障预测的结果，可以指导设备调整运行工况，以延长设备的使用时间：另外，还能根据剩余使用寿命，提前做好维护规划，减少设备的停机时间。健康状态评估则是在故障诊断和预测的基础上，对设备的健康状态进行量化分析设备在出现早期故障时，对设备运行的影响较小，此时对设备进行检修会造成不必要的浪费，增加设备的维护费用：当故障发展到一定程度之后，会对设备运行造成明显的影响，此时若不对设备进行检修则容易引发事故。健康状态评估技术通过对设备的性能劣化程度（含故障程度）进行动态的量化分析，实时监控设备健康状态，对其服役性能的退化程度做出评价，及时地发现需要维护的故障并减少不必要复杂机电系统智能故障诊断与健康评估的维护支出。1.2复杂机电系统智能故障诊断与健康评估的意义复杂机电系统的出现和发展反映了人类对于产品性能和工程设计的进一步追求，这是机械装备发展的必经过程。现代信息技术、计算机技术及人工智能的发展，赋予复杂机电系统越来越丰富的内涵以及更加复杂的功能。现代工业生产对产品质量和生产过程有着极高的要求，使得传统的机械系统逐渐被各类复杂机电系统所取代根据文献「1]对复杂机电系统的定义，现代复杂机电系统是以机电系统为载体，融合机、电、液、光等过程的复杂物理系统。多种单元技术根据功能需求集成于不同的机电载体上，通过信息流融合和信息驱动形成各种现代机电装备，如航空发动机、高速列车、精密机床及现代生产设备等。复杂机电系统通常由数量巨大种类众多的零部件构成，系统内部各零部件和子系统之间存在复杂的耦合关系，因此，确定系统行为时需要综合考虑各子系统的独立行为及子系统间复杂的耦合关系。由于系统在功能、结构和耦合关系等方面的复杂性以及物理过程的多样性，使得复杂机电系统的智能故障诊断与健康评估面临极大的挑战随着各类复杂机电系统不断向大型化、复杂化、高速化和精密化发展，在石化冶金、电力和机械等工业领域中，设备运行的高负荷、高腐蚀和高作业率成为主要特征。因机电系统设备故障而引起的灾难性事故屡有发生，例如：2011年，北京地铁某电动扶梯驱动链断裂，致使扶梯逆向下行造成了乘客踩踏事故：2012年，河北某风电场传动系统断齿停机事故，吉林某风电场发生风机塔架倒塌事故：2013年，俄罗斯载有卫星的火箭由于推进器故障在拜科努尔发射升空仅1mim就坠毁的事故等。由于机电系统设备故障可能造成巨大的经济损失、环境污染甚至人员伤亡，急需对运行中的机电系统进行动态监测与健康状况评估，以确保系统安全可靠运行。因此，复杂机电系统智能故障诊断与健康评估技术已成为保证生产系统安全稳定可靠运行的重要技术手段，越来越受到产业界、学术机构及政府部门的高度重视。《国家中长期科学和技术发展规划纲要(2006一2020)》和《机械工程学科发展战略报告(2011一2020)》均将“重大产品和重大设备以及关键零部件的可靠性、安全性和可维护性关键技术”列为需要重点突破的关键技术之一，工业和信息化部《智能制造工程实施指南(2016一2020)》也把“基于大数据的在线故障诊断与分析等智能检测装备”作为关键技术装备研制重点，以求可以“防患于未然”，避免灾难性事故发生，从而提高设备利用率、缩短停机维修时间、保证产品质量设备的维护是设备正常运行、避免安全事故的重要保障，维护策略的发展经历2第1章绪论了4个阶段：①事后维修(correctivemaiteace)阶段：②定期维护(laedmaite.ace)阶段：③视情维护(coditio-aedmaiteace)阶段；④预知维护(redictivemaiteace)阶段。事后维护是指在设备出现明显故障甚至停机时，才对设备进行检修的维护策略。这种策略不仅存在极大的安全隐患，而且需要耗费大量检修时间，造成显著的经济损失。定期维护是根据设备各个关键零部件的设计寿命对设备进行定期更换零部件和检修的一种维护策略，与事后维修相比，这种维护策略降低了故障的发生率。但是，定期维护无法避免零部件在设计寿命内出现的故障，而且在大多数情况下，定期维护都是在零部件无法正常工作之前将其换下，导致维护成本的增加。智能故障诊断与健康评估技术的发展，使得设备维护从定期维护向视情维护转变。视情维护避免了由于定期维护换下可用零部件造成的浪费，大大提高了零部件的使用时间，减少了设备维护成本：另外，视情维护可以有效避免设备的关键零部件在未达到使用时限时因出现故障而造成的事故。故障预测技术的出现，使得维护策略有了进一步的发展，预知维护的概念开始出现。预知维护根据对设备故障性质、类别、发展趋势及剩余使用寿命的预测，可以指导设备通过调整运行工况等措施提高利用率、延长剩余寿命：对于维修时间比较长，或者大型零部件的故障，可以提前做好维修的准备，减少设备的停机时间。对于复杂机电装备这种功能、结构和耦合关系极其复杂的系统而言，对其进行智能故障诊断与健康评估对于保证装备可靠性、提高系统利用率、减少维护成本、避免安全事故有着重大的意义。1.3复杂机电系统智能故障诊断与健康评估的研究内容在复杂机电系统运行过程中，多种物理过程相互耦合。从故障机理建模的角度来看，不仅需要考虑各个单独的物理过程，还需要分析各种物理过程之间的耦合，建模非常困难。智能故障诊断与健康评估方法利用机器学习算法，从历史数据中挖掘相关的知识，从而建立相应的模型，在研究复杂机电系统的状态评估和预测问题上有一定的优势。智能故障诊断与健康评估方法包含4个主要步骤：①信号采集：②信号预处理：③特征提取和选择：④故障诊断与健康评估。采集与装备运行状态相关的物理量，如振动、压力、转速、温度及声发射信号等：由于复杂机电系统运行工况复杂，监测信号很容易受到噪声的污染，需要对信号进行预处理以减少噪声的影响：提取信号的特征来诊断故障，如时域特征、频域特征和时频域特征，特征提取和选择是故障诊断中的关键步骤，冗余无效的特征反而会对诊断造成干扰，从而影响诊断精度：以所提取的特征作为机电系统运行状态的综合表征，利用历史数据训练模型参3复杂机电系统智能故障诊断与健康评估数，可以得到诊断预测模型。将系统运行监测信号经上述处理后输入最终的模型即可获取相应的系统状态信息。对于智能故障诊断预测模型的建立，根据学习模式的不同，可以分成3类：监督学习、无监督学习和半监督学习。监督学习方法利用带标签的训练样本集训练模型，在样本量充足的情况下，可以获得精度和泛化能力俱佳的状态评估模型：然而，在样本不足时，会出现过拟合导致精度和泛化性能变差。无监督学习方法针对的是没有标签样本情况下的健康评估，根据样本的相似度分析样本间的内在联系，以实现预期功能，如聚类方法、自组织映射网络等。由于没有监督信息，因此学习到的模型往往不够精确，目前无监督学习主要用于异常检测。半监督学习方法同时利用标签样本和无标签样本对模型进行训练，在标签样本不足的情况下，可以有效提高模型的精度和泛化能力。3种方法分别对应不同的应用场景，在标签样本充足的情况下，监督学习可以在最短的时间内学习到符合要求的模型：在没有标签样本的情况下，只能选择无监督学习方法：在标签样本不足的情况下，半监督学习方法则可以解决监督学习由于训练样本不足而出现的过拟合问题另外，根据模型结构层次的不同，还可以将这些方法分为浅层机器学习方法和深度学习方法。目前应用于智能故障诊断与健康评估的浅层机器学习方法主要有人工神经网络(artificialeuraletwork,ANN)、支持向量机(uortvectormachie,SVM)、聚类算法、隐马尔可夫模型、随机森林和流形学习方法等。这些方法只对输入数据进行一到两次的非线性变化，计算量较小：另外，其简单的结构层次使得需要训练的参数较少，在训练样本较少的情况下，也能获得良好的精度和泛化性能但是，浅层结构特征提取能力有限，需要进行人工的特征提取和选择。Hito等2利用贪婪学习算法解决了深层神经网络训练中梯度消失的问题，深度学习的概念开始出现。深度学习基于深层神经网络，其深层的结构使得其具有强大的特征提取能力，可以由网络自动进行特征的提取和选择，而不需要人工提取特征。但是，由于网络结构层次多，使得深度神经网络具有大量需要调整的参数，需要大量的故障数据用于网络的训练，训练样本不足时会出现严重的过拟合现象。相应地，其需要的训练时间和进行健康评估的时间也远远多于浅层机器学习方法综上所述，复杂机电系统智能故障诊断与健康评估的研究内容就是利用机器学习方法，从数据中挖掘出相关的知识，建立相应的诊断预测模型对装备的健康状态进行评估1.4智能故障诊断与健康评估的研究现状智能故障诊断与健康评估对于提高生产效率、降低事故率具有非常重要的意第1章绪论义，国内外学界、工业界都十分重视相关的方法和应用研究，提出了大量的智能故障诊断与健康评估方法。目前，对复杂机电系统智能故障诊断与健康评估的研究主要集中于系统关键零部件，如齿轮、轴承等。根据机器学习方法的结构层次的不同，分别从基于浅层机器学习方法和基于深度学习方法对智能诊断、预测与健康评估的研究现状进行综述1.4.1基于浅层机器学习的方法在基于浅层机器学习方法的智能故障诊断与健康评估研究方面，国内外学者展开了大量的工作。Li等3从装在行星齿轮箱不同位置的多个传感器信号中提取相同的两个特征，分别是滤除正常啮合成分后信号的均方根值，以及测量信号与健康信号的频谱差中所有正值和频谱和归一化后的值，并利用自适应神经模糊推理系统融合这些特征对行星齿轮箱的故障模式和故障程度进行诊断。Ual等4利用包络分析、希尔伯特变换和快速傅里叶变换从振动信号中提取特征作为人工神经网络的输入进行故障诊断，并利用遗传算法(geeticalgorithm,GA)优化人T神经网络的结构。游子跃等提出一种基于总体平均经验模式分解(eemleem-iricalmodedecomoitio,EEMD)和BP神经网络的风机齿轮箱故障诊断方法。利用小波变换对采集到的振动信号进行降噪处理，用EEMD降噪后的信号并从选取的固有模态函数(itriicmodefuctio,IMF)分量中提取能量特征参数，归一化后输入到BP神经网络进行齿轮箱的故障诊断。Chag等6提出一种基于轴心轨迹技术和分形理论的旋转机械故障诊断方法，该方法从振动信号中提取轴心轨迹，然后利用分形理论提取特征作为BP神经网络的输入进行故障诊断。Tia等提出了一种基于流形的动态时间规整(dyamictimewarig,DTW)方法，通过测量测试样本和模板样本之间的相似度来进行轴承故障诊断。与传统的动态时间规整方法相比，这个方法用基于流形的相似度度量代替了基于欧几里得距离的相似度度量此外，这些机器学习方法还被广泛应用于信号的降噪、降维与特征提取等Widodo等8利用主成分分析、独立成分分析、核主成分分析和核独立分量分析等从声发射信号和振动加速度信号中提取特征，并分别以关联向量机和支持向量机为分类器，对6种不同的轴承故障进行分类，对比了不同特征提取方式和分类器组合的故障诊断效果。Zari等91利用正常状态的数据训练神经网络，建立一个用于去除非轴承故障成分(removigo-earigfaultcomoet,RNFC)的滤波器。从原始信号中减去滤波后的信号以去除信号中的非轴承故障成分，并从去除非轴承故障成分后的信号中提取时域特征作为另一个神经网络的输入，对感应电动机中的轴承的健康状态进行分类。Jiag等o从振动信号中提取29个常用特征，利用5复杂机电系统智能故障诊断与健康评估干扰属性映射(uiaceattriuterojecito,NAP)进行特征选择，并被将选取的特征作为隐马尔可夫模型的输入进行轴承的退化评估。Yu从振动信号中提取14个时域特征和5个时频域特征，利用主元分析(PCA)进行特征降维，然后利用一种自适应隐马尔可夫模型算法建立一系列历史隐马尔可夫模型，以历史隐马尔可夫模型和当下马尔可夫模型的重叠率来评估轴承的健康状态为提高机器学习模型的泛化能力，集成学习通过构建多个机器学习机来完成学习任务，也被广泛应用于复杂机电系统的智能故障诊断与健康评估中。如Khazaee等12利用Demter--Shafer理论融合了振动和声音数据，基于集成学习提出一种有效的行星齿轮箱故障诊断方法。首先，利用小波变换将振动和声音信号从时域转换到时频域，并提取时频域特征作为神经网络的输入：然后，构建两个神经网络分类器，将振动信号特征和声音信号特征分别输入不同的神经网络：最后利用Demter--Shafer理论融合两个神经网络的输出得到最终的分类结果。Wag等1)提出一种基于粒子群优化的集成学习方法(articlewarmotimizatioaedelectiveeemlelearig,PSOSEN)用于旋转机械的故障诊断中。首先，从振动信号中提取时域和频域特征，训练出一系列的概率神经网络(roailiticeuralet-work,PNN):然后，利用自适应粒子群优化(adativearticlewarmotimizatio,APSO)算法从这些概率神经网络中选取出适用于故障诊断的网络，并利用奇异值分解(igularvaluedecomoitio,SVD)获取这些网络输出的最佳加权向量，最终诊断结果为各个网络输出构成的向量与最佳加权向量的内积。浅层机器学习方法结构简单，需要训练的参数少，计算量小，相应地对训练样本的数量和训练时间的要求也比较低。在训练样本数量和计算能力不足时，可以快速有效地建立具有较好精度和泛化能力的智能故障诊断、预测和健康评估模型。但是，由于其结构简单，特征提取能力有限，需要进行人工的特征提取和选择。1.4.2基于深度学习的方法随着深度学习技术的兴起及硬件计算设施的迅猛发展，基于深度学习的智能故障诊断与健康评估方法在故障诊断领域不断涌现。如Sao等4从振动信号中提取时域特征，将这些特征输入到深度置信网络中进行故障诊断，并提出用粒子群算法来训练深度置信网络的方法。Q:等利用总体经验模态分解和自回归模型从振动信号中提取特征，然后将提取的特征作为堆栈稀疏自编码网络的输入对旋转机械进行故障诊断。Che等16从不同的传感器采集的振动信号中提取时域和频域特征，将这些特征按传感器分别输入到不同的两层自编码网络进行进一步的特征提取，最后将所有自编码网络的输出排成一列作为深度置信网络的输入进行轴承的故障诊断。Guo等)提出一种基于LSTM-RNN(loghorttermmemory6···试读结束···...

2022-05-04 军工epub爱下电子书 epub出版物

图书名称：《基于云架构的智能测试系统关键技术及应用》【作者】邓士杰，丁超，唐力伟，张英波，苏续军，汪伟著【页数】151【出版社】北京：北京理工大学出版社,2021.03【ISBN号】7-5682-9617-5【分类】自动测试系统-研究【参考文献】邓士杰，丁超，唐力伟，张英波，苏续军，汪伟著.基于云架构的智能测试系统关键技术及应用.北京：北京理工大学出版社,2021.03.图书目录：智能测试系统关键技术及应用》内容提要：本书针对现有技术架构下的自动测试系统存在着测试效率和测试资源利用率偏低，测试成本偏高，导致已无法高效适应大规模并行测试应用场景的问题，借鉴云计算的理念，将电子数据表格技术、虚拟化技术以及最优化理论引入到自动测试系统领域，并对涉及的关键核心问题进行了论述。本书主要介绍了自动测试系统发展历程、涉及关键技术及未来发展趋势，云架构下智能自动测试系统的硬件模型、软件模型和运行机制，智能传感器技术、硬件测试资源虚拟化技术，不同测试任务下测试资源动态调度理论、原理样机设计与验证等内容。本书可以作为从事自动测试设备设计与开发工作相关的研发或设计工程师等相关人员的参考用书，也可以作为相关机械工程、仪器仪表等与自动测试技术相关专业的本科生、研究生教材。《基于云架构的智能测试系统关键技术及应用》内容试读第1章绪论1.1自动测试系统概述自动测试(automaticmeauremet)就是为完成某项测试任务，依托具备一定自动化能力的测量系统进行测量和实验。其中，自动测试技术的前身是20世纪40年代初期的扫频测试技术，通过在局部功能上实现针对内部仪器设备的模拟自动控制，解决了一些人工操作通常难以完成的任务；之后，该方法几经改进，并沿用至今。随着电子测量技术、自动化控制技术以及电子计算机技术等方法手段的蓬勃发展并不断成熟，融合上述技术的自动测试系统(automatictety-tem,ATS)朝着高速度、高精度、多功能的方向不断发展。自动测试系统就是融合了上述相关技术，在尽量少的人为参与的情况下，自动完成针对目标对象的测试任务。与许多新兴技术的诞生相似，针对ATS的相关研究首先是由于军事上的需要，主要为了解决军队武器装备的测试问题。其中ATS的提出源自20世纪50年代中期美军提出的“万能”自动测试系统概念，并以1956年美国国防部制订的SETE(SecretariattoElectroicTetEquimetCoordiatio,电子测试设备协调部)计划为开端，开始了针对现代ATS的相关研究)。在当时，针对自动测试系统的相关研究最终目标是在不依赖有关技术文献的基础上，通过非熟练工人就能实现系统内部几乎全部仪器设备的自动化操作，并且在电子计算机上快速完成测试，同时通过灵活的编程可以适应并完成所有的测试任务。虽然在当时的技术背景下，这一终极目标远远未能实现，但也取得了不少的技术成就。在当时的技术背景下，针对自动测试系统相关研究的探索，在贪多求全的“万能”思想指导下，导致所研制出的ATS日益庞大复杂，不仅造价奇高，且系统内部测试功能之间顾此失彼，反倒降低了系统的整体测试性2基于云架构的智能测试系统关键技术及应用能。因此致力于有的放矢、专门解决某些测试任务的专用型ATS应运而生。从早期针对具体型号的专用型ATS到当前具有极大开放性的通用型ATS,从专注于测试设备研制到统筹测试系统架构和软、硬件协同开发，ATS的发展历程大致经历了三代[2-)。第一代专用型ATS,是一款诞生于20世纪60年代针对具体型号装备的测试系统，具有极强的针对性。当测试相应型号的装备时，专用型ATS测试效率高，使用方便、简单，适用于装备类型单一、数量庞大的情况：但受限于早期设计模式，不同类型的专用型ATS之间硬件接口和软件标准不统一，相互间关系复杂且没有预留物理上的扩展空间，造成该型ATS的通用性、可扩展性以及独立性较差。第二代模块化ATS,以美军1986年制定的通用自动测试设备为代表，是以控制器（即控制计算机）为核心，依托标准接口总线和各类测试设备组建的测试系统。模块化ATS采用新型卡式仪器模块和控制器，通过标准接口总线实现了模块间的连接，增强了硬件设备之间的可互换性和可扩展性；依托控制器以软面板形式显示系统内部所有仪器模块的测试信息和操作按钮，用户只需通过操作软件来控制硬件设备，降低了测试的复杂程度。第三代虚拟仪器ATS,该型ATS是模块化ATS在软件层面的进一步深度优化，以美军1999年规划的下一代自动测试系统NxTetATS为代表，将现有测试过程中针对仪器设备的复杂操作转换为“鼠标+键盘”的简单操作，依托虚拟仪器面板完成测试活动的全过程，提高了具体操作的人性化水平。相比于国外自动测试系统，国内针对ATS的相关研究起步较晚，直到20世纪70年代中期才开始针对相关领域的初步探索，总体来说，国内发展水平整体落后于西方发达国家[6。但经过几十年的国内相关研究人员的不懈探索与实践，尤其是近些年来，围绕新一代ATS展开的相关研究在国内各大高校和科研院所陆续展开，加快了国内在相关领域的发展步伐。目前国内针对ATS的研究主要集中在系统体系架构的通用性、可移植性、标准化以及基于新技术对现有ATS进行改进上，在理论研究上有了一些突出成果，在实践中也研制出了一些顺应国际潮流的先进ATS。近些年来，伴随着云计算产业的不断发展，相关的新技术也不断应用于社会生产、第1章绪论3生活的其他领域。本书借鉴云计算的相关理念提出了面向测试领域的云测试技术，并与现有ATS相结合，开展了针对云测试环境下ATS关键技术的研究，对于解决当前保障部门面临的诸多难题提供了一条新的解决思路。1.2现有自动测试系统评述20世纪80年代开始，西方国家针对通用化的自动测试系统进行持续的人力、物力和财力的投入，由此研制出一系列的具备相当测试能力的自动测试系统1.2.1早期的自动测试系统首先是早期的自动测试系统，主要诞生于20世纪90年代中期以前，列举一些已投入使用的具有一定代表性的自动测试系统。综合自动支持系统(CASS),是由美国海军于20世纪80年代提出来的，旨在降低自动测试系统的成本并尽量实现自动测试设备的自动化。针对海军武器装备的自动测试需求，CASS为其提供满足维修保障需求的解决方案。模块化自动测试设备（MATE),是由美国空军于20世纪80年代提出来的，旨在降低自动测试系统的成本并为空军现有的各类自动测试设备进行规范，以实现测试设备采购、开发、维护等一系列操作的标准化。集成测试设备(FTE),是由美国陆军提出来的，旨在为陆军装备的现场测试提供可靠的自动测试设备。计算机化的自动机(CAM)是由美国通用汽车公司研制的一套综合性测试系统，旨在提供一套应用于维修车间的能够进行各类自动化测试的系统。通用测试站(CTS),是由美国海军于20世纪90年代提出来的，具体研制的单位是美国的休斯公司，主要针对海军装备的制导武器进行自动测试，针对CASS难以满足的测试需求进行扩展、深化。除了上述列出的自动测试系统外，在西方一些国家也成功开发出了一些其他类型的各具特色的自动测试系统。例如，英国国防部开发的低成本可扩展的自动测试设备LCDATE、美国波音公司开发的ATS-195、法国宇航公司的ATEC系列等。4基于云架构的智能测试系统关键技术及应用1.2.2近期的自动测试系统虽然早期的自动测试系统都采用了通用化的测试平台，但在实际应用中仍然无法适应众多待测设备的相关需求。其主要表现在：一是此类所渭的通用自动测试系统通常只针对某一类或某一系列装备进行针对性测试：二是此类ATS的相关研制工作总是被列入相应装备平台项目的规划之中，不可避免会带有相应装备测试相关的特性；三是不同类型的ATS之间的交互操作性较差。针对早期通用自动测试系统在实际应用中存在的诸多不足，进一步降低自动测试系统，尤其是军用ATS的相关成本，美国国防部率先提出了关于下一代自动测试系统的体系结构，即NxTetATS。建立在该标准上的自动测试系统采用开放式系统测试理念，受到EEE(电气和电子工程师协会)P1226和VXIPlugPlay(VPP)两个工业标准的支持，在测试信息系统和分布式测试方面，分别遵循IEEEP1232和TCP/IP(传输控制协议/网际协议)的支持。立足早期的自动测试系统，分析其不足和局限，着眼于近期国外更先进的自动测试系统，结合国内部队各保障部门现状，进行深入总结和归纳，以探索出一条符合自身发展、实际的自动测试系统的研制路线。1.3自动测试相关关键技术1.3.1测试总线技术测试总线是指计算机与测试仪器构成的测试系统内部以及相互之间信息传递的公共通路，是现代检测系统的重要组成部分。测试总线的选择是ATS硬件设计的重要环节，它决定着整个系统的测试性能，它的发展推动着自动测试系统的更新换代。采用先进的测试总线技术，易于实现硬件平台的标准化、通用化，从而大大简化系统硬件平台的结构，增加系统的开放性、兼容性、可靠性和可维护性，提高测试速度和测试精度。测试总线技术随着工业生产的需要以及高新科技的发展在国外发展很快，20世纪70年代出现GPIB(通用接口总线)，到80年代就出现了VXI(VMEueXteioforitrumetatio,用于仪器的VME总线扩展)总线，在90年···试读结束···...

2022-05-04 测试系统的静态特性 测试系统的组成

图书名称：《智能系统与技术丛书机器人系统设计与制作Pytho语言实现原书第2版》【作者】（印）郎坦·约瑟夫作；刘端阳译【丛书名】智能系统与技术丛书【页数】201【出版社】北京：机械工业出版社,2021.10【ISBN号】978-7-111-69134-1【价格】79.00【参考文献】（印）郎坦·约瑟夫作；刘端阳译.智能系统与技术丛书机器人系统设计与制作Pytho语言实现原书第2版.北京：机械工业出版社,2021.10.图书封面：智能系统与技术丛书机器人系统设计与制作Pytho语言实现原书第2版》内容提要：机器人操作系统（ROS）是科研和工业领域非常受欢迎的机器人软件框架。该系统性能强大，可以在机器人中实现多种功能，而不需要从零开始实施。本书首先介绍机器人操作系统的基础知识，以便你了解差分驱动机器人的基本原理。然后，介绍机器人建模知识以及如何使用机器人操作系统进行设计和模拟。接着设计机器人硬件和接口驱动器。之后，讲述如何使用机器人操作系统对深度传感器和激光雷达进行配置和编程。最后，使用Qt框架为机器人创建图形用户界面。学习完本书内容后，你将清楚地了解如何将所有元素集成和组装到机器人中，以及如何捆绑软件包。《智能系统与技术丛书机器人系统设计与制作Pytho语言实现原书第2版》内容试读CHAPTERI第1章ROS人门本书的主要目的是教你如何从头开始构建自主移动机器人。我们将使用机器人操作系统(RootOeratigSytem,ROS)对机器人进行编程，它的操作将在名为Gazeo的仿真器上进行模拟。在接下来的章节中，还会介绍机器人的机械设计、电路设计、嵌人式编程并使用ROS进行高级软件编程。本章将从ROS基础知识开始学习，包括如何安装ROS,如何使用ROS和Pytho编写基础的应用程序，以及Gazeo的基础知识。本章内容是自主机器人项目的基础。如果你已经了解了ROS的基础知识，并且已经在系统上安装了ROS,那么可以跳过这一章。但是，你仍然可以在以后浏览这一章来增强对ROS基础知识的记忆。本章将涵盖以下主题：·对ROS的概述。设行是球径●在Uutu16.04.3上安装ROSKietic。·介绍、安装和测试Gazeo。我们开始使用Pytho和ROS来对机器人编程吧！积觉升1.1技术要求可以从以下链接获得本章中提到的完整代码：ht:/githu.com/qoticla/learigrootic2ded1.2ROS概述OS是用于创建机器人应用程序的软件框架，其主要目的是提供可以用于创建···试读结束···...

2022-05-04 python epub电子书 python epub库

图书名称：《智能搜索和推荐系统原理、算法与应用》【作者】刘宇著【丛书名】智能系统与技术丛书【页数】257【出版社】北京：机械工业出版社,2021.01【ISBN号】978-7-111-67067-4【分类】搜索引擎-程序设计【参考文献】刘宇著.智能搜索和推荐系统原理、算法与应用.北京：机械工业出版社,2021.01.图书封面：智能搜索和推荐系统原理、算法与应用》内容提要：本书分为4大部分。第一部分（第1-3章）：搜索推荐系统的基础。首先介绍数学与统计学是现代机器学习理论的基础；其次介绍搜索推荐系统的常识；最后，描述知识图谱相关基础理论。第二部分（第4-6章）：搜索系统的基本原理。主要内容包括：搜索系统框架及原理、主要算法以及搜索系统相关评价指标。第三部分（第7-9章）：推荐系统的基本原理。主要内容包括：推荐系统框架及原理、主要算法以及推荐系统相关评价指标。第四部分（第10-12章）：应用。首先介绍三种常见的搜索引擎工具；其次讲述搜索引擎和推荐系统两个方向的应用。《智能搜索和推荐系统原理、算法与应用》内容试读■■■■■■■■■■■■■■■■■第一部分d/，。。。搜索和推荐系统的基础·第1章概率统计与应用数学基础知识·第2章搜索系统和推荐系统常识■第3章知识图谱相关理论面■图■■■层■■画题题Chctei1第1章概率统计与应用数学基础知识搜索和推荐作为算法领域相对成熟的两个应用方向，主要应用于机器学习和自然语言处理。机器学习和自然语言处理都会用到很多应用数学的知识，特别是概率与统计的一些基础知识。本章将简要介绍概率统计和应用数学的基础知识，以便读者对其相关知识点的掌握。已经了解概率统计和应用数学基础知识的读者，可以将本章作为复习模块，也可以直接跳过阅读后面的内容。1.1概率论基础概率论是机器学习中重要的基础知识。下面介绍一些与本书相关的概率论知识。1.1.1概率定义概率是对一个事件将要发生的可能性的一种测度。概率值在0到1之间，0代表不可能发生，1代表确定发生。事件的概率值越高，它发生的可能性就越大。假设概率值P为某个事件A发生的概率，记作P(A),(2,F,P)为一个测度空间，其中Q表示样本空间，F表示事件空间，那么满足以下公理。公理1：事件的概率是一个非负实数，且P(A)∈R,即P(A)≥0，A∈F。公理2：样本空间集合的概率值为1，即P(2)=1。公理3：任意可数的无交集的事件序列A,A2,…，满足如下条件：-P)第1章概率统计与应用数学基础知识5概率是多少？解：P(A,B,C)=P(A)×P(B)×P(C)=1111101010010000例2：假设一个女孩天生聪明的概率是P(A)=1/10,聪明的女孩子学习机器学习的概率是P(B4)=1/1000,一个人学习机器学习的概率是P(B)=1/100,求一个学机器学习是聪明女孩的概率是多少？解：P(4AB)=P4)×P(BA)/P(B)=10×1OO0÷1O0=·1.1.2随机变量前文讲到的概率在许多概率模型中的试验结果是数值化的，也有一些例子中的试验结果不是数值化的，但是这些试验结果是与某些数值相关联的。比如在传输信号试验中，传输信号所需要的时间，接收到的信号中发生错误的次数，传输信号的延迟，等等，这些事件发生的概率可以用随机变量表示。随机变量可以随机地取不同的值，取值可以是离散的，也可以是连续的。随机变量更像是一种函数，可以表示随机试验中所有可能的输出结果，如图1-1所示。样本空间图1-1随机变量随机变量可以分为离散型随机变量和连续型随机变量。离散型随机变量：如果随机变量为有限可列举的数值：x,x2,x,我们称之为离散型随机变量。连续型随机变量：如果随机变量X可以取实数数轴上的某个区间内的任意值，我们称之为连续型随机变量。1.1.3基础的概率分布很多基础的概率分布在机器学习和深度学习领域很有用，这些概率分布也是其他复杂分布的基础。下面我们学习几种基础的概率分布。6“◆。第一部分搜索和推荐系统的基础1)0-1分布：P(X=)=(1-)l,k=0,1其中，为k=1时的概率(0<<1)。假设一个试验事件发生的概率为,不发生的概率为1-,任何一个只有两种结果的随机事件都服从0-1分布。2)二项分布B(,):PX=)=C(1-)-,k=0,1,…,其中，C=k-k一是二项式系数。该公式可以理解为，在次试验中有k次成功(成功的概率为)和-k次失败（失败的概率为1-),并且k次成功可以在次试验的任何次试验中出现，则k次成功分布在次试验中共有C种不同的排列组合。0-1分布是二项分布的特例。例3：二项分布代码，如下所示。1.imortumya2.fromciyimorttat3.imortmatlotli.ylotalt4。并#开####并#井开#####料并###5.#二项分布6。井骨####井井开开######井井并##7.defiom_mf_tet()8.9.为离散分布10二项分布的例子：抛掷100次硬币，恰好两次正面朝上的概率是多少？11.12.=100#独立试验次数13.=0.5#每次正面朝上概率14.k=,arage(0,100)#0-100次正面朝上概率15.iomialtat.iom.mf(k,,)16.rit(iomial)#概率和为117.rit(um(iomial))18.ritiomial[2])19.lt.lot(k,iomial,'o-')20.lt.title('Biomial:=号i,=号，2f'号(,),fotize=15)21.lt.xlael('Numerofuccee')22.lt.ylael('Proailityofucce',fotize=15)23.lt.how(二项分布示意图如图1-2所示。二项分布不断叠加后会产生一个重要的分布，就是正态分布。3)正态分布N,=1ee2a2,0>0-∞

2022-05-04 数学建模算法与应用 司守奎数学建模算法与应用

图书名称：《智能时代计算机专业系统能力培养纲要》【作者】教育部高等学校计算机类专业教学指导委员会作【页数】183【出版社】北京：机械工业出版社,2021.05【ISBN号】978-7-111-68144-1【分类】电子计算机-人才培养-研究-中国【参考文献】教育部高等学校计算机类专业教学指导委员会作.智能时代计算机专业系统能力培养纲要.北京：机械工业出版社,2021.05.图书封面：智能时代计算机专业系统能力培养纲要》内容提要：本纲要面向我国2030年之前的智能科技以及社会经济发展目标，基于专业优化途径，参考国际教育经验，针对已有的计算机专业人才培养方案进行合理的知识重构和能力提升，确定计算机科学与技术专业系统能力培养的优化思路。重点在于针对智能时代系统能力培养，深入分析计算技术与应用发展对专业知识与能力产生的影响，从而调整、重组、更新知识单元知识点以及能力要素。《智能时代计算机专业系统能力培养纲要》内容试读1概论···试读结束···...

2022-05-04 智能时代计算机专业系统能力培养纲要 计算机与人工智能专业

图书名称：《智能建筑设备自动化系统设计与实施》【作者】方忠祥，戎小戈主编；孟建翔，金湖庭副主编【丛书名】职业教育教学改革系列教材楼宇智能化工程技术专业系列教材【页数】230【出版社】北京：机械工业出版社,2021.07【ISBN号】978-7-111-43599-0【价格】45.00【分类】智能化建筑-房屋建筑设备-自动化系统-高等职业教育-教材【参考文献】方忠祥，戎小戈主编；孟建翔，金湖庭副主编.智能建筑设备自动化系统设计与实施.北京：机械工业出版社,2021.07.图书封面：智能建筑设备自动化系统设计与实施》内容提要：本书内容包括：建筑物设备自动化系统(BAS)的组成、典型建筑物设备的自动化控制要点、著名BAS产品的硬件组成和软件组态要点、BAS系统的各类传感器、BAS系统的……《智能建筑设备自动化系统设计与实施》内容试读第1章建筑设备自动化系统概述1.1建筑设备自动化系统的发展史建筑设备自动化系统作为智能建筑的一个子系统，是随着建筑物所含的设备越来越多而产生的。直至20世纪80年代初期，建筑物中的设备还是很简单的几种，如几部电梯、一个锅炉房、一个制冷站、一些空调机组、一个低位水池、一个高位水箱、两个水泵、一个变配电间就构成了建筑物的设备。由于当时的自动化技术主要集中在工业过程和电力系统的控制，所以建筑设备自动化并没有成为一个行业类别。按照智能化程度可以将建筑设备自动化系统划分为4代产品：第一代：中央主机系统(CetralCotroladMoitorigSytem,CCMS)(20世纪70年代的产品)。BA系统从仪表系统发展成计算机系统。散设于建筑物各处的信息采集站(DGP)(连接着传感器和执行器等设备)通过总线与中央站连接组成中央监控型自动化系统。DGP分站的功能只是上传现场设备信息，下达中央站的控制命令。一台中央计算机操纵着整个系统的工作。中央站采集各分站信息，作出决策，完成全部设备的控制，中央站根据采集的信息和能量计测数据完成节能控制和调节。这个时期产品的缺点是：实用性很差，不适合恶劣环境。第二代：集散控制系统(DCS)(20世纪80年代的产品)。随着微处理机技术的发展和成本的降低，DGP分站安装了CPU,发展成直接数字控制器(DDC)。配有微处理机芯片的DDC分站，可以独立完成所有控制工作，具有完善的控制、显示功能，可以进行节能管理，可以连接打印机和安装人机接口等。BA系统由4级组成，分别是现场、分站、中央站和管理系统。集散系统的主要特点是：只有中央站和分站两类节点。中央站完成监视，分站完成控制，保证了系统的可靠性。DCS比较笨重，造价也相对高，性能比较强大。第三代：开放式集散系统(20世纪90年代的产品)。随着现场总线技术的发展，DDC分站连接传感器、执行器的输人/输出模块，应用各种现场总线，形成分布式输入/输出现场网络层，从而使系统的配置更加灵活。由于LoWork、CAN等总线技术的开放性，所以使分站具有了一定程度的开放规模。BA系统控制网络形成了3层结构，分别是管理网络层、控制网络层和现场网络层。第四代：网络集成系统(21世纪的产品)。随着企业traet的建立，建筑设备自动化系统广泛采用We技术。W技术目前在控制领域占据重要位置，BA系统中央站嵌人We服务器，融合We功能，以网页形式为工作模式，使BA系统与Itraet成为一体系统。网络集成系统广泛采用W技术，常常包含保安系统、机电设备系统和防火系统等。集成系统从不同层次的需要出发提供各种完善的开放技术，实现各个层次的集成，从现场层、自动化层到管理层。W集成系统完成了管理系统和控制系统的一体化。2005年年底，由浙大中控领衔制订的实时以太网现场总线技术国际标准EAP正式通过了国际电工委员会的审查，2智能建就设备自动化系统设计与实施这是我国工业自动化领域迄今为止获得的第一个国际标准，完全适合楼控产品应用，标志着我国自动化技术发展已经接近了世界先进水平。而能够提供楼控全系列软硬件产品的浙大中控公司更是具备了和世界一流楼控公司在同一层次竞争的能力。现场总线技术作为自动化领域的关键技术，一直掌握在美国霍尼韦尔、罗克韦尔等公司手中，他们利用其制订的现场总线标准和专利技术长期垄断着中国现场总线技术和产品市场，赚取大量的超额利润。因此，浙大中控研发的具有自主知识产权的自动化领域国际标准意味着国产的建筑自动化控制设备已经可以满足顶级项目的使用要求，完全可以替代进口产品。目前，规模和影响较大的楼宇设备供应公司有美国霍尼韦尔公司、江森公司、KMC公司、德国西门子公司、浙大中控、中程科技和清华同方等，它们都推出了建筑智能化集成系统。时至今日，建筑节能、集中设备管理等技术的广泛使用，需要为建筑物的各类设备配置先进的自动化系统。建筑设备自动化系统要承担三个层次的任务。第一个层次是设备的自动化控制，提高设备的自动化程度；第二个层次是优化设备的运行，减少设备故障带来的经济损失，降低劳动力成本；第三个层次是降低建筑能耗，节能减排，倡导绿色建筑。1.2建筑设备自动化系统的组成与典型构架1.2.1系统组成建筑设备自动化系统(BA系统)的作用是实现建筑物设备的自动化运行。通过网络系统将分布在各监控现场的系统控制器连接起来，实现集中操作、管理和分散控制的综合自动化系统。BA系统的目标就是对建筑物的各类设备进行全面有效的自动化监控，使建筑物有一个安全和舒适的环境，同时实现高效节能的要求，对特定事件做出适当反应。它的监控范围通常包括冷热源系统、空调系统、送排风系统、给排水系统、变配电系统、照明系统和电梯系统等。建筑设备自动化系统和一般的自动化系统一样，基本上由三个部分组成：测量机构、控制器、执行机构。测量机构一→控制器→执行机构1,测量机构人们常常称它们为传感器，或者测量变送器，其作用就是把一些非电信号物理量转换为电信号，如压力、流量、成分、温度、H值、电流、电压和功率等。例如压力的测量，常利用压敏或者变电容原理把液体或者气体的压力用导管引入到测压室内；随着压力的变化，测压室中间的不锈钢薄壁被挤压变形，使得两个金属室壁之间的电容发生变化；通过测量这个变化的电容，如振荡电路的频率变化，全臂电桥的输出电压变化。这样就建立了一个关联变化。压力变化→电容变化→电压变化再如流量测量，也有很多方法，如涡街流量计、转子流量计、孔板流量计和电磁流量计等。以电磁流量计为例，该仪器一般用来测量带有导电物质的流体，如自来水等。第1章建就设备自动化系统概述3它的原理是霍尔效应，在管壁两侧安装两个电极，形成电场，当流体以一定速度经过管道，其导电粒子被电场作用而按照正负极分别汇聚到两个电极上，从而出现了电压变化。按照霍尔原理，电荷的汇聚数量和运动速度有线性关系，那么电极电压变化和流体速度也有线性关系。流速变化→电荷变化→电压变化随着技术的进步，现在的测量技术又加进了总线技术。例如，一个成本几十元的单片机，加上一些感应元器件和通信线，可以制成感应一个房间的温湿度值，然后以S485总线方式传给上级计算机系统或控制器的智能测量机构。2.控制器控制器是实现控制系统自动化、智能化的关键部件。最近30年，国内控制器的进步非常大。经历了从早期的动圈仪表到应用集成电路控制器、风行一时的STD工控机和智能仪表，再到集散控制系统(DCS)、组态软件控制系统和可编程序(PLC)控制系统，直到今天广泛应用的现场总线控制系统(FCS)这一过程。FCS完全改变了DCS传统的、笨重的大柜子形象。各种信号输入、输出已经无需大量导线，取代那一个个DCS大柜子的是不到1kg的DDC控制器，这些控制器可以很方便地安装到最接近被控设备的地方。而传感器和执行机构可以用简单的总线连接在一起。在软件构成上，二次开发平台也越来越人性化，图形化开发已经成为主流。现在的自动化控制技术给设计者或者使用者提供非常自由的结构，使用的连接线已经少到数根。目前，W1-Fi技术越来越发达，2005年HONEYWEL在上海光大展览中心展示了其IG-BEE产品，在恶劣环境中，ZIG-BEE传感器可以在1000m距离内可靠地传输数据，而配置的纽扣电池可以使用三年以上。所以，无线数据传输在控制系统中的使用，是可以期待的。3.执行机构控制系统接受了传感器的信号后，使用强大的运算功能对数据进行处理，最后需要对调节系统发出指令，对对象被控参数进行调节，执行这个调节任务的就是执行机构。执行机构是五花八门的，如调节加热功率的调功器、调整阀门开度的阀门执行器和调节风机转速的变频器等。执行机构按照控制器的要求，将相关调节通道的设备，动作到要求的位置，如晶闸管的导通角、阀门的开度、风机的转速。例如，我们给阀门执行机构一个5V的信号，那么阀门执行机构就会动作，带动阀门改变开度。同时，一个铁心也被同步带动，改变了线圈的不平衡电压。一旦不平衡电压也达到5V,那么电动机就停止动作，也就意味着阀门目前已经到达5V信号所对应的位置。1.2.2建筑设备自动化系统的典型构架按控制方式分类，目前主要有集散控制系统和现场总线控制系统两种形式。1.集散控制系统20世纪70年代问世的集散控制系统用于生产过程的自动控制，已有20余年的历程。集散控制系统的基本思路是：分散控制、集中操作、分级管理、配置灵活、组态方便。分散是指工艺设备地理位置分散，控制设备相应分散，危险也随之分散。集散控制系统一般分为三级。第一级为现场控制级，它承担分散控制任务并与过程及操4智能建筑设备自动化系统设计与实施作站联系；第二级为监控级，包括控制信息的集中管理；第三级为企业管理级，它把建筑自动化系统与企业管理信息系统有机地结合起来，其结构如图1-1所示。管理计算机级10Mit/以太网TCP/IP监控级中央站9.676.8kit/RS-485现场控制级现场现场现场控制器控制器控制器现场设备图1-1分散控制系统结构由图1-1可知，集散控制系统将复杂对象分解为几个子对象，由现场控制级进行局部控制。中控室负责整个系统的数据存储和调用，向下连接现场控制器，向上提供历史和趋势数据。中控室对整个工艺过程进行集中监视、操作、管理，通过控制站对工艺过程的各部分进行分散控制，既不同于常规仪表控制系统，又不同于集中式的计算机控制系统，而是集中了两者的优点，克服了它们各自的不足。分站能独立控制，保证了系统的可靠性。分站与中央站连接在同一条总线上，保证了数据的一致性，进一步提高了系统的可靠性、实时性和准确性。数据的一致性对网络性能的影响至关重要。集散控制具有高度集中的显示操作功能，操作灵活、方便可靠；具有完善的控制功能，可实现多种多样的高级控制方案。集散控制系统采用数据通信技术构成局域网，传输现场实时控制信息，并进行信息综合管理。集散控制系统的平均无故障时间可达5×104h。保证高可靠性的关键是采用冗余技术和容错技术。一般的集散控制系统核心部件都采用了冗余技术和看门狗技术。集散控制系统的模块结构使系统的配置与系统的扩展十分方便，具有良好的可扩性。2.现场总线控制系统(1)现场总线的含义根据国际电工委员会标准的定义：现场总线是连接智能现场设备和自动化系统的数字式、双向传输、多分支结构的通信网络。现场总线的含义表现在以下5个方面。1)现场通信网络：集散型控制系统的通信网络截止于控制器或现场控制单元，现场仪表仍然是一对一的模拟信号传输，如图1-2所示，现场总线是用于过程自动化和制造自动化的现场设备或现场仪表互连的现场通信网络，它把通信线一直延伸到现场的智能/0模块，甚至智能传感器或者智能执行机构，如图1-3所示。图中的现场设备或现场仪表是指传感器、变送器或执行器等。这些设备通过一对传输线互连，传输线可以使用双绞线、同轴电缆和光缆等。由于它们具有CPU芯片，所以称为智能仪表。···试读结束···...

2022-05-04 机械工业出版社总编 机械工业出版社编辑

图书名称：《智能牵引供电系统丛书中国智能铁路核心技术高速铁路智能牵引供电系统》【作者】高仕斌作【丛书名】智能牵引供电系统丛书【页数】365【出版社】成都：西南交通大学出版社,2021.02【ISBN号】978-7-5643-7748-9【价格】128.00【分类】高速铁路-智能系统-牵引供电系统【参考文献】高仕斌作.智能牵引供电系统丛书中国智能铁路核心技术高速铁路智能牵引供电系统.成都：西南交通大学出版社,2021.02.图书封面：智能牵引供电系统丛书中国智能铁路核心技术高速铁路智能牵引供电系统》内容提要：本书从智能的概念出发，介绍了智能牵引供电系统的结构与功能，包含智能供变电设施、智能供电运行检修管理系统、智能供电调度系统和高速通信网络。按照智能牵引供电系统的功能结构，其核心内容包括：广域保护、自愈重构、故障预测、健康评估、供电调度，全书分章节全面论述了上述核心内涵的理论基础、实现方法与实施案例。《智能牵引供电系统丛书中国智能铁路核心技术高速铁路智能牵引供电系统》内容试读第1章绪论人工智能与智能系统是人类社会发展与文明进步的必然结果。近年来，世界再次掀起“智能”浪潮，智能交通、智慧城市、智能电网等词汇屡见不鲜。在中国人自主设计与建设的京张铁路通车110周年之际，智能京张高铁也于2019年12月30日通车运营。作为高速铁路的重要组成部分一牵引供电系统也在不断向智能化纵深发展，本章简要介绍高速铁路智能牵引供电系统的技术特征、层级划分与主要功能。1.1智能智能是智力和能力的总称。思想家们一般认为智与能是两个相对独立的概念，但又往往把二者结合起来作为一个整体看待。1.人类智能人类是万物之灵，应该是最具智能的。按照霍华德·加德纳多元智能理论的划分四，人类智能可以分成语言、逻辑、空间、肢体运作、音乐、人际和内省（自我认知、自然认知)等方面。人类之所以成为万物之灵，是因为人类具有能够高度发展的智能，包括“智”和“能”两种成分。“智”主要是指人对事物的认识能力；“能”主要是指人的行动能力；人类的“智”和“能”是结合在一起不可分离的。人类的劳动、学习和语言交往等活动都是“智”和“能”的统一，是人类独有的智能活动。意向是人类智能的一个重要方面。人的活动是有目的的、自觉的活动，一刻也离不开自己意向的主导；思维是人类智能的核心。人类智能的特点主要是思想，思想的核心又是思维。人是一种思维的动物，没有思维就没有人类的智能。有了思维，人类才能形成各种较复杂的意向，从而主导着人的活动，表现出人类所特有的自觉能动性。有了思维，人类才能探索自然界的奥秘，发现自然现象背后的规律。有了001■第1章绪论思维，人类才能发明各种技术，突破自己认识器官和行动器官的限制，大大提高改造世界的能力。按照霍华德·加德纳的理论，不难得出结论：·“智”和“能”是有机统一体，是人类成为万物之灵的根本。·人是一种有思维的动物，没有思维就没有人类的智能·人类的个体一人的智能是有局限的，但也是可以发展的。2.人工智能尼尔逊教授定义：人工智能是关于知识的学科一怎样表示知识、怎样获得知识并使用知识的科学)。温斯顿教授认为：人工智能就是研究如何使计算机去做过去只有人才能做的智能工作)。也就是说：人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统：研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软、硬件来模拟人类某些智能行为的基本理论、方法和技术。人工智能一般分为四类，即机器“像人一样思考”“像人一样行动”“理性地思考”和“理性地行动”。这里“行动”应广义地理解为采取行动，或制定行动的决策，而不是肢体动作。人工智能按智能程度又可分为弱人工智能、强人工智能和超人工智能弱人工智能是擅长于单个方面的人工智能，已经有比较成功的例证。强人工智能是人类级别的人工智能，被认为是有知觉的、有自我意识的，机器的思考和推理就像人的思维一样。超人工智能在几乎所有领域都比最聪明的人类大脑聪明很多，被认为机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。事实上，人工智能既涉及科技发展，还涉及伦理道德3.智能机器智能机器是能够在各类环境中自主地或交互地执行各种拟人任务的机器，具备形形色色的内部信息传感器和外部信息传感器，例如：视觉、听觉、触觉、嗅觉等。除具有感受器外，还具有效应器。效应器作为作用于周围环境的手段，就是“筋肉”，或称自整步电动机，从而使手、脚、长鼻子、触角等动起来。0021.2智能铁路由此可知，智能机器人至少要具备三个要素：感觉、运动、思考。智能机器人是一个多种高新技术的集成体，它融合了机械、电子、传感器、计算机硬件、软件、人工智能等许多学科的知识，涉及当今许多前沿领域的技术。4.智能系统智能系统是指能产生人类智能行为的计算机系统。智能系统不仅可以自组织性与自适应性地在传统的诺依曼的计算机上运行，而且可以自组织性与自适应性地在新一代非诺依曼结构的计算机上运行。个完备的智能系统至少应具备自动地获取和应用知识的能力、思维与推理的能力、问题求解的能力和自动学习的能力。智能系统处理的对象不仅包括数据，还包括知识。表示、获取、存取和处理知识的能力是智能系统与传统系统的主要区别之一。因此，一个智能系统也是一个基于知识处理的系统，它需要：知识表示语言：知识组织工具；建立、维护与查询知识库的方法与环境；支持现存知识的重用。智能系统处理的结果往往采用人工智能的问题求解模式来获得结果。它与传统的系统所采用的求解模式相比，有三个明显特征：其问题求解的算法往往是非确定型的或称启发式的：其问题的求解在很大程度上依赖知识：智能系统的问题往往具有指数型的计算复杂性。智能系统通常采用的问题求解方法大致分为搜索、推理和规划三类。智能系统与传统系统的又一个重要区别在于：智能系统具有现场感应（环境适应）的能力。现场感应指它能与所处的现实世界的抽象一现场进行交互，并适应这种现场这种交互包括感知、学习、推理、判断并做出相应的动作。这也就是通常人们所说的自组织性与自适应性。1.2智能铁路1.2.1国外智能铁路发展近年来，德国、法国、英国和俄罗斯分别推出了数字化或智能铁路计划，欧盟提出的《以市场为导向的Shift2Rail科技创新项目》最有代表性。003■第1章绪论Shift2Ril(简称S2R)是第一个欧洲铁路行业的倡议。文献[6]对S2R有详细介绍，具体包括：1.2.1.1S2R的提出背景S2R是在欧盟“Horizo2020”计划下的研究和创新活动，从而为达成“同一欧洲铁路区”目标进行必要的技术储备。欧盟认识到，欧洲铁路制造工业在国际上的领导者地位受到了新进入者的挑战，特别是来自亚洲的挑战，希望通过加快将新的和先进的技术整合到创新的铁路产品中，寻求研究和创新以及市场驱动的解决方案，提升欧洲铁路工业的竞争力，并满足日益变化的欧盟国家实际运输的需要。1.综合的挑战过去几年，北欧、西欧和欧洲中部投资建设高速铁路，铁路运输市场运量得到增长，但还是没有赢过陆运和空运：欧洲东部和南部一些国家的铁路货运和客运在运输系统中的占比反而有所下降；整个欧洲，集装箱只有10%是通过铁路运输的。过去几年铁路运输的增长表明，如果投资方向正确，铁路运输完全可以成为一个有吸引力的城市、区域和长距离的运输方案开拓铁路运输市场有助于降低温室气体排放、提升欧洲运输系统的总体环境性能：有助于欧洲铁路工业的竞争力，创造新的商业机会，从而提升国内生产总值(GDP)、增加就业机会、增强生产力、提升净出口额。总之，欧洲运输系统中铁路的角色需要增强、欧洲工业的全球竞争力需要增强。2,服务质量的挑战根据客户调查结果，欧洲铁路服务质量堪忧。欧洲人对铁路服务满意率只有58%，对铁路车站满意率只有51%；19%的欧洲人不选择列车出行。铁路还没有成为对用户友好的运输模式。对于货运市场，可靠性、准时性缺失是客户不满意的源头。较低的铁路运输能力使得它也不是一个节省成本的选择。3.成本的挑战铁路运输还需要依赖公共资金的支持。2012年，欧洲对铁路公共服务和基建方面的支持资金为360亿~380亿欧元0041.2智能铁路铁路系统单位输出的成本需要降低，成本的竞争力需要提升。4,竞争力的挑战2012年全球铁路市场的经济总量是1310亿欧元，欧洲铁路工业仍具有领先地位(占490亿欧元)，但是已被亚洲超越，特别是中国、日本和韩国等国家在研究和创新方面的大量投入，极大地支持了铁路工业发展。为了应对这些挑战，最好的办法是从现在开始，结合系统研究方法，通过创新来提升产品的品质和可靠性，从而降低产品的全生命周期成本。这也是S2R倡议被提出的初衷。1.2.1.2S2R的关键目标2014年06月16日，欧盟理事会颁布了第642号S2R条例；2015年05月01日，在S2R条例的框架下，启动了“灯塔”项目，包括：创新的智能铁路(I2Rail)、S2R的信息技术(IT2Rail)、新一代铁路列车(Roll2Rail)和智慧铁路(SmartRail)4个研究项目。整个S2R正在实施和已经完成的项目有67个。从“灯塔”项目的研究与创新可以看出：智能与智慧铁路是其核心。S2R的工作目标将围绕提升服务质量、降低系统成本、增强互用性和安全性、简化商业程序4个方面开展。到2030年，希望达成如下关键目标：(1)将铁路服务的可靠性和准时性提升50%。(2)将铁路运输系统的运力提升100%(3)将铁路运输的生命周期成本降低50%。1.2.1.3S2R的主要内容S2R的主要研究与创新内容包括如下11个方面：·列车自动驾驶(AutomatedTraiOeratio):·服务的流动性(MoilityaaService):·快速响应需求的物流(LogiticoDemad):·从数据中获得更大价值(MoreValuefromData):·能量应用优化（OtimumEergyUe:·衔接合拍的服务(ServiceTimedtotheSecod):005第1章绪论·铁路低成本解决方案(LowCotRailwaySolutio):·有保障的资产健康与有效利用(GuarateedAetHealthadAvailaility)·智能列车(ItelligetTrai)。车站与智慧城市的流动性(StatioadSmartCityMoility):·环境与社会可持续性(EvirometaladSocialSutaiaility)。例如，图1-1为铁路低成本解决方案，图1-2为智能列车解决方案CLOSE图1-1铁路低成本解决方案图1-2智能列车解决方案S2R的工作将围绕着五个创新计划开展，涵盖铁路系统中所有相关的结构和功能子系统，如图1-3所示。IP1IP2IP3IP4IP5长期需求和社会经济研究低成先进低成可持本和的交本引力续的智慧材料和工艺可靠通管的和有的列理和续和路服吸引系统集成，安全性车，控制可靠务的T力的和互用性包括系统的高解决欧洲高性性能方案能列基建技术能源和可持续性车和高速人力资本列车图1-3S2R的五个创新计划006···试读结束···...

2022-05-04

图书名称：《智能工业报警系统》【作者】王建东著【页数】269【出版社】北京：机械工业出版社,2021.05【ISBN号】978-7-111-67677-5【价格】69.00【分类】智能制造系统-自动报警系统【参考文献】王建东著.智能工业报警系统.北京：机械工业出版社,2021.05.图书封面：智能工业报警系统》内容提要：本书共6章:第1章概述了工业报警系统的研究意义、突出问题和研究现状第2章通过基于报警统计量的状态图，描述了某个时期内报警变量所处的运行状态第3章提出了报警延迟器、报警死区和报警阈值的优化设计方法第4章以关联变量的变化方向、变化空间、变化速率为基础，设计了相应的多变量报警器第5章针对描述报警变量与根源变量关系的不同模型，建立了3种报警根源分析方法第6章面向短时间内出现的大量报警信息，设计了报警泛滥的检测、相似性分析和预测方法。《智能工业报警系统》内容试读第1章绪论阳夏的织梦张G1.1引言报警系统是用来“生成和处理报警并将其呈现给工厂操作人员”的系统，可以实时对数以千计的生产过程变量进行监控，是现代工业中分散控制系统(DCS)、监控与数据采集系统(SCADA)等必备的核心组成部分之一。报警是报警系统在监控到一个过程变量靠近并超过一个设定值时，向操作人员发出的通知。最常见的监控方式是，将过程变量的当前值与高/低报警阈值进行比较，当过程变量的当前值大于高报警阈值或小于低报警阈值时，相应的报警变量由0变为1（见图1.1）。报警通常是通过以下方式来提供给工厂操作人员的：每个报警都独立显示在报警窗口中，并有对应的测点名和编号；当报警激活时，报警警示灯会亮起，并会有报警状态（是否确认）的指示及报警优先级的指示；工厂操作人员可以通过指定“报警停闪”“报警确认”等操作来管理这些报警；此时，报警信息出现在报警列表中，以高亮、闪烁等方式显示在生产运行人员的操作界面上，甚至触发声音警报，随后由生产运行人员对出现的报警进行确认，并采取相应的操作动作来消除报警。过程变量异常区域高报警阀值正常区域低报警阙值异常区域1↓报警变量时间时间图1.1过程变量、报警变量与报警阈值之间的对应关系报警系统对保障安全生产与高效运行发挥着至关重要的作用。当生产过程偏离高/低报警阈值所代表的正常区域时，报警可及时提醒运行人员采取相应操作动作使得生产过程回到正常区域。然而，由于报警变量设置、报警器及报警阈值设计缺乏科学性，又由于生产过程经常受到外部干扰的影响，导致出现大量不必要的干扰报警，正确报警反而被淹没，使得运行人员常因“狼来了”效应而忽视或不信任报警信息。由于判断引发报警的异常状况的难度大，运1···试读结束···...

2022-05-04

编辑评论：在今天的这个世界上，一场改变未来的没有火药的战争正在上演。导火索可以从AI技术、支付方式、物联网经济，甚至人文科学等方面打开。之后，我们将进入一个超高速发展的时代，我们的工作方式、生活方式，甚至我们生活的世界都将发生翻天覆地的变化。而这一切都只是从支付方式的微小变化开始......关于作者【日】田中道崎立教大学商学院教授。他毕业于上智大学，并获得了芝加哥大学商学院的MBA学位。他的研究领域包括企业战略和营销战略、任务管理和领导力。先后就职于三菱东京UFJ银行、花旗银行资产证券部、美国银行证券公司、荷兰银行证券公司等。2006年任日电股份有限公司总裁。《中美关系》作者科技巨头：从“BATH×GAFA”等看中美高科技竞争原版试读很高兴得知日本著名经济学家田中道明的新书《新金融帝国：智能时代的全球金融变迁》中文版即将出版。应浙江人民出版社的邀请，我第一次详细阅读了这本书的校样。读完后，我深感这是一本值得每一位金融科技从业者细读的好书。这是因为，虽然日式金融科技创新长期以来一直被我国金融业忽视，但它是一种特别值得我们深入思考和研究的“合规模式”，其长期发展潜力巨大。不容忽视。下面结合本人多次在日本留学的实际经历，谈谈为什么日本的金融科技领域非常值得关注。我本人毕业于博士学位。中国人民大学金融学博士。2018年前在中央部委研究机构工作，曾任工信部信息中心产业经济研究所所长。后来还受邀编辑出版了《2018中国区块链行业白皮书》等系列行业报告。可以说，我一直在关注金融科技领域，尤其是区块链领域。从2013年开始，我开始深入研究区块链等金融科技领域的发展。“i”（致力于区块链），以“链接产业、赋能实体”、普及“区块链思维”为初衷，创办“火币大学”，专攻以区块链技术教育为代表的金融服务。近两年，带领火币大学“全球区块链领袖课程GBLP”游学团由中国新兴企业家和投资人组成，赴日本考察学习，重点关注日本金融科技、数字金融、区块链应用及相关监管法律和政策的最新进展。在学习和学习的过程中，我们曾与日本金融厅综合政策局政策申报总审查员松尾本部、日本银行金融科技中心负责人、前成员Shimatoyo等高级政治家合作日本参议院议员、前外务大臣滨田和之等政界要员。我们与监管官员交流了日本金融科技领域的立法理念和监管原则；我们向上智大学法学院教授森下哲郎、一桥大学法学院教授小川博之等金融科技领域顶级专家学习日本前沿理论和最佳实践；我们与东海东京金融控股金融科技业务负责人君君、日本区块链领袖EMURGOCBO吉田洋介、火币日本CEO陈海腾、亚新社社长徐静波、野村证券等日本知名金融机构的金融科技业务。领先的科技企业家讨论了中国和日本金融科技的行业趋势和最新机遇。经过与这些顶级专家的多次讨论和交流，日本金融科技的产业形态，尤其是基于区块链和加密资产的数字金融，其背后的日式创新逻辑已经越来越清晰。2019年的一些行业趋势正在成为现实，而一些趋势由于“冠状病毒”流行而被推迟，但我相信它们会在未来一两年内实现。巧合的是，我还看到田中道明先生的新书《新金融帝国：智能时代的全球金融变迁》通过大空间系统地描绘了日本和全球金融科技正在进行的变革图景。其中既有三菱日联金融集团、瑞穗金融集团、三井住友银行等日本老牌金融机构的自我转型案例，也有乐天、LINE等“跨界竞争”的新金融颠覆者的成长故事、雅虎软银联盟和SBI。,读起来很有趣，内容丰富，有启发性。此外，他还花了大量篇幅系统总结了全球领先的金融科技公司的成功经验。描述的重点案例包括亚马逊银行、星展银行，以及中国的阿里巴巴（蚂蚁金服）、腾讯等。田中道崎先生收集了大量资料对这些案例进行解读，并提出了一些可供参考的理论模型，用简单的语言参考和使用。读起来非常令人兴奋。我认为在日本专家眼中阅读中国互联网巨头的金融科技实践也是非常有趣和发人深省的。无论是金融科技领域的从业者，还是刚开始了解这个行业的人，都可以从中得到很多启发。同时，我在书中也发现了一个严重的问题，因为日本的“失去的20年”，人口老龄化等问题也很严重。同时，日本在信息技术领域，尤其是近年来在金融科技领域，也没有取得特别显着的成就。因此，一些企业家认为日本的创新动力已经大不如前，甚至认为日本在新一轮科技革命中“落伍了”。已经落后于中国。但是，根据我之前的实际调查、交流和深入讨论的结果，可以认为书中提到的日本“留守”理论是站不住脚的，是一个严重的误解。究其原因，中日金融科技创新逻辑和创新环境存在较大差异。虽然日本企业在具体的实际案例上不如中国知名，相关企业的数量也比中国少，但日本作为金融科技立法和监管领先的国家，尤其是在加密资产和数字金融领域，重点关注立法原则和监管逻辑。、应用普及等方面处于世界领先地位。这种相对稳固、严谨、开放的监管环境，从长远来看，有利于行业的健康可持续发展。因此，未来亚洲金融科技的“领头羊”究竟在哪里，还是存在一些悬念的。因此，我认为我们应该认真研究日本学者对金融科技的思考和判断，仔细观察和了解日本数字金融领域的最新案例，全面深入地了解日本的创新文化，准确和深入把握日本金融科技的监管逻辑，对补齐我们的业务短板、规避风险、促进行业长期稳定发展大有裨益，文化和认知的“同频”会给我们一个真正的与业界合作的机会。日本龙头企业深入合作，进入极具潜力的日本市场。除去书中描述的内容，根据我们的观察，当今日本金融科技行业的以下三个特点值得特别关注：首先，可预测的立法和清晰的监管逻辑使日本成为金融科技创新的完美和优越的发展环境。例如，日本是世界上第一个对区块链加密资产进行全面立法的国家。其法律法规正逐步覆盖区块链产业链多个领域，相关监管水平在国际上处于相对领先地位。日本加密资产监管从反恐融资、反洗钱和用户保护三大要素入手，重点关注加密资产被盗风险、虚假夸大宣传、托管机构应尽义务、市场操纵等合法行为、匿名加密资产洗钱风险、交易平台破产清算、保证金杠杆交易、加密资产发行等。此外，行业自律组织在日本金融科技监管体系中也发挥着重要作用。例如，JVCEA（日本虚拟货币交易所协会）作为日本金融厅正式授权的行业自律组织，是数字金融监管链的重要组成部分。JVCEA成员单位由日本22家合法许可的加密资产交易所组成。他们参照《金融商品交易法》，制定了日本数字货币交易的规则和标准操作程序。进行行业自律和数据审核，有权对违反行业规则的企业采取行动。日本国税厅将加密资产交易的收益归入“其他收入”一栏，这是世界上第一个明确要求在国家层面征税的法律规定。日本的加密资产监管体系涵盖了加密资产的发行、项目、交易平台的持续监控和信息披露，最后以税收为起点。形成了完整的监管闭环。可以说，日本的区块链应用、加密资产和数字金融监管体系，对世界各国监管机构都有重要的启示和示范意义。二是坚决采用最新技术，紧跟产业前沿变革趋势。在我们访问日本银行期间，丰田章岛表示：作为重要的金融监管机构，日本银行继续密切跟踪和研究区块链相关应用。虽然日本央行目前并未考虑发行央行数字货币，但它正在密切关注和研究区块链技术。我们看到日本央行正在加快与欧洲央行在基于Stellar项目的区块链跨境支付系统上的合作。在小额支付的稳定币方面，日本主要由商业银行等民间机构探索。比如书中提到日本三菱UFJ银行和瑞穗银行都推出了稳定币。许多日本大公司经过充分探索，建立了基于区块链技术的移动支付系统。日本有52190家店铺可以直接接受加密资产支付，包括电器连锁BicCamera、旅游连锁HIS、六本木奢侈品店等知名商家。火币日本甚至采用“区块链+公益”的方式，为被火烧的世界遗产冲绳首里城在加密资产链上募集资金。日本大型铁路集团JR日本铁道（JaaRailway）东日本公司发行公共交通卡“Suica”（Suica），或将开通加密资产充值通道。三是新技术向更多行业快速普及。尽管原定于2020年举行的东京奥运会因“新型冠状病毒”疫情而推迟至2021年举行，但日本仍将利用区块链等技术进行食品溯源，以确保奥运村的食品安全，并将用于防病毒保护。在工作中使用兴奋剂。在教育领域，日本政府与索尼公司合作，将区块链与人工智能技术相结合，建立“智慧学校平台”，旨在为每个学生提供有针对性的精细化教育方案。在许多区块链应用中，得益于经济（ThakEcoomic）也是一家非常具有日本文化的企业。一些日本公司正在尝试用通证经济的方式帮助人们表达感激之情，让加密资产成为个人的荣誉勋章，并利用区块链实现“善行”，在链上留下名字的模式令人耳目一新。为什么区块链创新应用在日本的人气发展如此之快？这与日本稳健扎实的创新作风有关。日本对区块链的包容和商业应用，与日本企业的管理文化——古代企业的现代管理思想息息相关。不追求短期利润最大化，只追求长期价值增长，注重各利益相关方的紧密契约。这使得日本企业非常重视能够创造长期价值的创新和转型。日本丰富的区块链应用创新体现了该行业发展的无限可能。212020年代将是金融科技创新、应用和发展的“伟大十年”。根据我的研究和判断，2022年，以区块链应用为主导的中国金融科技市场规模将达到1000亿。2020年代，区块链行业将加速进入“区块链3.0”阶段。链接产业、赋能实体、融入监管、合规运营将成为区块链行业的主旋律。有效合理的监管将成为行业健康可持续发展的重要保障，全球合规意识也将成为整个行业从业者的“底线思维”。通过观察日本这个全球区块链“合规委员会”，可以有效判断合规环境下的商业策略，从而提前布局，把握“区块链3.0”时代的机遇。一切顺利。——火币大学校长、原工信部信息中心产业经济研究所所长于佳宁科技公司与金融机构的竞争只是第一战争霸三战科技公司和现有金融机构第一战是科技公司和老牌金融机构之间的竞争。这里的科技公司特指以亚马逊、阿里巴巴、腾讯为代表的金融科技巨头，以及新兴的高科技公司。这些公司与现有的金融机构有着截然不同的渊源，它们以原有的平台、大数据和人工智能为武器，迅速进入金融服务领域。他们打破了传统金融业的布局，将旨在颠覆的“亚马逊效应”传播到各行各业。提到亚马逊，一定有人觉得自己还处于电子广告和网络书店的时代。事实上，这些印象已经成为过去，如今的亚马逊正在逐步打造从“一键”到支付、现金充值、融资的综合金融服务。现有金融机构相对于它们的最大优势是它们的品牌影响力和信誉。这不仅对各国政治经济产生一定的影响，甚至可以延缓以中国为首的新一代金融科技的发展，从而保持其在金融业的主导地位。现在，他们正在加速金融服务的数字化转型，向金融科技企业转型升级。与客户保持良好关系的斗争第二场战斗围绕客户接触点、客户体验和维持良好的客户关系展开。在所有行业的业务中“理所当然”的便利和速度，传统金融机构并没有“理所当然”。传统金融机构与客户的接触相对较少，忽视了客户体验的服务理念，与客户建立了持续的良好关系。说白了，传统金融机构给人的印象是不方便，所以被大家鄙视。如今，在大银行分行柜台等候时间长的客户正在减少，使用移动终端进行支付和转账已成为普遍现象。另一方面，金融科技公司最大的优势在于关注传统金融机构所缺乏的服务理念，即通过与客户的接触和对客户体验的追求与客户建立良好的关系。虽然无法知道美国的GAFA（谷歌、苹果、Faceook、亚马逊）和中国的阿里巴巴、腾讯等金融科技公司在追求客户体验方面是从哪里来的，但他们创造的“自然”这似乎在刷新传统金融机构的“理所当然”。可以看出，新一代金融业正在以与传统金融业完全不同的方式出现。重新定义所有行业的秩序和格局的战斗第三场战役是重新定义各行业秩序和格局的战役。从本质上讲，金融服务本身并没有什么价值，因此与用车、外出就餐、买衣服等消费服务不同。人们不会早上起床说“我今天真的很想消费金融服务”。但与此同时，金融已经与所有消费服务挂钩，其影响力已经覆盖了所有行业。因此，新一代金融业的诞生，重新定义了所有行业的秩序和格局，是自然而然的结果。从历史上看，金融业的发展本身就产生了创造性的破坏或破坏性的创造。在这个过程中，越来越有可能不是大型金融机构或金融科技公司将占据主导地位。02新一代金融业的主要参与者亚马逊涵盖以支付为代表的主要金融服务如今，曾经以网络书店起家的亚马逊，逐渐发展成为涵盖家电、时尚、日用品的“万能商店”。也就是说，亚马逊已经成功转型为一家集物流、云服务、在线视频、无人便利店、空间业务为一体的“全能型公司”。此外，亚马逊进军金融服务也不是什么新鲜话题，比如针对亚马逊商家的信用服务“AmazoLedig”，结算服务的“AmazoCoi”，以及帮助没有银行账户和信用卡的客户。网上购物的“AmazoCah”和“AmazoGiftCard”都是广义上的存款服务。因此，集信贷、支付、存款三大业务为一体的“亚马逊银行”诞生只是时间问题。亚马逊作为金融行业的金融科技公司，是驱动新一代金融行业的引领者。但在这里我也想强调一下，亚马逊绝对没有扩展到金融业务之外的想法。在这方面，亚马逊与本书中提到的其他两家金融科技巨头阿里巴巴和腾讯有着明显的不同。亚马逊的创始人兼首席执行官杰夫·贝佐斯(JeffBezo)痴迷于改善客户体验、加强零售和电子商务交易以及扩大亚马逊的规模经济。因此，金融只是JeffBezo实现规模经济的工具。其中，最明显的例子就是“一键支付”：过去需要在网上输入信用卡信息和地址，才能完成从支付到发货的一系列复杂流程。现在，只要网站上的文字显示，点击确认。可以完成。这种创新金融服务带来的便利，带动了亚马逊零售和电子商务交易的爆发式增长。我相信未来与亚马逊相关的金融服务，包括“亚马逊银行”，将专注于扩大亚马逊的规模经济。阿里巴巴、腾讯成就世界上最先进的金融科技国家。D.D中国中国目前是世界上最发达的金融科技强国。在中国，不仅金融机构的附带业务和周边业务发展迅速，金融机构原有业务的自动化、数字化也在不断革新。中国下一代金融业的主要参与者是阿里巴巴和腾讯。虽然它们在中国、日本和欧美早已为人所知，但人们对阿里巴巴和腾讯的熟悉程度不如对亚马逊的熟悉，因此它们的潜力往往被忽视。但如果能深入了解，难免会看到“阿里巴巴是金融科技公司之王”、“腾讯在追阿里巴巴”的事实。阿里巴巴和中国最大的搜索引擎百度，以及提供社交网络服务的腾讯，并列中国IT公司前三名。阿里巴巴主营业务是企业间电子商务交易的1688.com，普通消费者C2C交易的淘宝，B2C交易的购物平台天猫。除了电商交易，阿里巴巴还通过进军物流、线下分支机构、云服务和金融服务等领域扩大规模。在这方面，阿里巴巴的增长轨迹与亚马逊非常相似。但阿里巴巴不同于亚马逊。阿里巴巴从一开始就关注金融“支付”业务，并为此单独成立了蚂蚁金服。随后，以二维码支付应用支付宝为核心，不断拓展阿里巴巴的金融业务边界。也就是说，阿里巴巴规模经济的前提是支付宝。可见，阿里巴巴最大的战略目标是以支付宝为突破口，吸引用户使用阿里巴巴规模经济提供的各项生活服务，从而扩大阿里巴巴的规模经济。如今，支付宝已经渗透到中国社会的每一个角落，在大城市，“没有支付宝无法支付”的店铺并不少见。支付宝已经成为中国社会不可或缺的“基础设施和服务”（IaaS）之一。在阿里巴巴提供的其他金融服务中，有些服务比银行更容易为民服务，阿里巴巴实际持有的资金，包括金融产品，与大银行不相上下。作者在《亚马逊的大战略》一书中指出，未来阿里巴巴将在金融领域处于领先地位。最让人意外的是，阿里巴巴竟然抓住了传统金融机构所忽视的“金融精髓”。如果有人问金融存在的意义或者金融应该是什么样子，那么阿里巴巴可以回答，因为它想要展示的恰恰是最接近“金融应该是什么样子”的。像我这样在传统金融机构工作的人不得不承认这个不可否认的事实。关于这一点，我稍后会继续详细解释。腾讯是一家以主要社交软件“微信”闻名的知名IT公司。微信系统自带的支付服务“微信支付”是与支付宝一起在中国最流行的两种移动支付方式之一。如果我们比较支付宝和微信支付，我们会发现它们最重要的区别在于前者的主体是支付服务软件，而后者的主体是社交软件。前面提到过，新生代金融行业之战有一场重要的战役，就是围绕客户触点、客户体验、客户体验与客户保持良好关系的战役。虽然支付宝和微信都擅长客户触点，但支付宝本身只是一个独立的支付软件，其使用机会仅限于“购物”支付。相比之下，微信支付与社交软件微信捆绑在一起，因此向朋友发送消息仍然可以产生支付。在日常使用频率上，微信明显超越支付宝。因此，作为新一代金融业争霸战的关键阶段之一，微信支付在“客户触点”方面比支付宝更有优势。简单来说，腾讯专注于拥有客户优势的微信，垂直整合包括支付在内的金融服务，企图最终主导消费者的生活服务。那么根据同样的分析，最有可能在日本获得新一代移动支付霸权的将是LINE支付。作为日常使用频率和客户接触点最多的平台，社交软件LINE的市场份额也是巨大的。乐天、LINE、雅虎软银联盟、SBI日本的金融颠覆者在日本，金融科技公司与传统金融机构的竞争格局可以说是非常清晰。以下将重点关注乐天、LINE、雅虎软银联盟和SBI作为日本金融颠覆者的代表。他们中的大多数都在尝试追随科技巨头的商业模式，从建立在线平台到发布支付应用程序。在这个模型中，最重要的环节是建立在智能手机上的平台。因为在下一代金融行业中，与客户建立的亲密程度和频率至关重要。在这方面，拥有日本最大的通讯应用程序的LINE处于有利地位。随着通讯应用的发展，LINE已经发展成为支持用户生活的“智能门户”。同时，LINE也在2014年12月推出了LINEPay。LINEPay是用户生活中不可或缺的支付功能，可以说是LINE发展金融科技业务的基础。2018年，LINE宣布与野村证券联合推出LINE证券，并计划将与瑞穗银行合作的LINE银行加入SmartPortal。毫无疑问，乐天是日本金融颠覆者中最大的“综合玩家”，也是日本最大的在线购物市场之一，但实际上其2018年第三季度总销售额的35.7%来自金融科技领域。尽管如此，乐天还是为日本提供了包括乐天信用卡、乐天支付、乐天Edy卡、乐天奖励卡、乐天银行、乐天证券、乐天人寿和乐天财宝在内的全日本交易量最大的金融服务。.但乐天最大的资产是以乐天会员为中心的会员数量、数据和品牌。会员使用通用ID在乐天提供的各种服务之间漫游，形成了一个庞大的乐天生态系统（规模经济）。雅虎-软银联盟于2018年秋季推出二维码支付服务PayPay。该支付服务将基于商业和支付业务渠道的数据，开发集借贷、投资和保险于一体的一站式金融业务。可以看出，雅虎软银联盟在这方面与乐天是一样的。接下来是SBI控股集团。在苦苦挣扎的大型券商中，SBI证券在互联网证券领域排名第一。自2012年以来，SBI集团的账户数以每年10.3%的高速度持续增长，目前在日本排名第二，仅次于最大的野村证券。从这几年开始，SBI集团制定的大战略不再局限于“金融”和“日本”的框架，他们的口号变成了“以金融为核心，超越金融”。因此，他们通过尽可能多地采用虚拟货币和区块链等新技术，在日本和全球范围内扩展业务。SBI集团由230家公司组成，旨在通过提供多样化的服务来改变“社会”。03银行的作用和担保的界限到目前为止，银行的担保原则没有太大变化。Theamoutofguarateeacomayhailargelyaffectedyitreutatio.Whetakigoutaeroalloa,theakwillchecktheleder'ailitytoreayiform,otheidividual'aualalaryadtheexitigloaamoutavailaletotheakwillegiveecialattetio.Foraeriodoftimetartigfromaeriodofhighgrowth,thimechaimhalayedalargerole,adthefiacialolicieofthefiacialauthoritiehavealolayedarole.IufficietailitytoreviewmalladmicroeterrieadidividualIrecetyear,eitherlargeeterrieoraicidutriehavethetrogcaitaldemadaefore,adthedirectfiacigmethodthatallowivetortocotriutecaitalhafullyeetrateditovariouidutrie.Itead,theeoleieedofcaitalecomeSME,malladmicrouieeoridividual.So,areakfullyfuctioigafiacialitermediarieforthem?答案是否定的。Bakdooterformoeoftheirthreemaifuctiooffiacialitermediatioecaue,forakthaturueguarateeim,theylacktheailitytoaethetruecreditworthieofmalladmicrouieeadidividual.04Data-aedeetialreviewFiacialgiatlikeAmazoadAliaadootrelyoguaratee,utratherothecreditworthieoftheorrowerthemelve,whichiideeduique.AmazoadAliaauetheirowlatformtoaccumulatemorefudametaleroalcreditiformatioaigdata,adtheueitforloauie.Fromthioitofview,fiacialdirutorarecloertotheeeceoffiacethaexitigfiacialititutio.Althoughakcareviewthecreditailityofguaratorcomaie,theakigidutrydoeothaveamethodforreviewigtheuieflowathecore,ecauetheydootmakefullueoftheuieflowdataofeterrie.Althoughakhavethe"treaure"ofremittaceiformatiofromuietouie,theyhaveoteealetoueitaigdata.Otheotherhad,thehugelatformowedytheewgeeratiooffiaciallayercarrieuieflow,logiticadcaitalflow,whichwecacallthethreemajorfuctiooftheewgeeratiooffiaciallayer.Forexamle,"AmazoLedig"adAliaa'loauieformalladmedium-izedeterriearecoectedwithuieflow.AmazoholdthealeiformatioofthemerchatotheAmazolatform,adevecotrolthelogiticthrough"AmazoLogiticOeratio".Baedotheeaccumulateddata,itcheckthecreditailityoftheorroweradthereleaetheloa.LoatoeolewhoreallyeedmoeyIotherword,thititlerefertothefactthataktillueguarateeimtoledicororatetraactioaefore,whiletheewgeeratiooffiacialioeerorrowfromcommercialflow.Iloatoidividual,akhaveofareewatchigtheirailitytoreay.Butthatiolyaformality,adtherealicomeadloaalacecaotefullygraed,aditietirelyoilethatthereiadagerofover-ledig.Theewgeeratiooffiaciallayercaeeuieflowloa,adtheaccumulatedigdataimlieeroalcreditaility,ucha"whetheryouhaveketyourromieofar"ad"origialwilligetoay".IdeveloedcoutrieicludigJaa,itimalladmicroeterrieadidividualwhoreallyeedcaital.Itiottheakceteredoguarateeimthatcaledtothem,utAliaaadAmazo.Uderuchaituatio,itiottheexitigfiacialititutio,uttheewgeeratiooffiacialdirutorwhotrytodirutthem,whoitedtoiovatetheexitigfiacialmethodaduruethefiacialmethodthatareiliewiththecurretera.05AdvatageofexitigfiacialititutioOfcoure,therache,eoleadytemofexitigfiacialititutiowillotalledetroyed,theywilleredefiedtocotiuetoworkaewrache,eoleadytem,whichwillcreateaewidutryorder,reultigiewidutryector.Thetrutadcreditfuctioofakwillcotiuetoexit.Theetwofuctioarethereaofortheexiteceofexitigfiacialititutio,otheywilloteeailyrelaced.LINEaymetitegratedwithocialaarereallycoveietadhavetheotetialtochagethewaywelive.However,wouldyouliketodeoitadwithdrawlargeamoutofmoeyiLINEorLINEBak?Eveifitioiletorecharge5,000yeoLINEaymet,mayeolearetillreitattotyigLINEaymetadakaccoutduetococeraout"accouttheft".ComaredwithIteretcomaie,theadvatageofexitigfiacialititutioirecielythikidofcreditadtrut,whichmeathatiftheakloeevethi,itwillcomletelyidfarewelltothefiacialidutry.Alo,therofeioalimofeigalacefor"avig"iheretotay."Bak"mea"toragelace",owilltheakithefuturealoecomealacetotoreiformatioaddata?Althoughitiaidthattheakwillecomethe"toreofe-commerceiformatio"ad"thetoreofigdata",ifitcometewithIteretcomaie,theakhaochaceofwiig,utmayutitelfithiattle.Drivetoadeaded.Althoughthe"dataage"imetioed,moreadmoreeoleareakigeterrietoayattetiototherotectioofcutomerrivacy.ItheUitedState,AleadMicroofthaveeewell-receivedfortheirrotectioofcutomerrivacy.Itheueofigdata,theigJaaeeak,whichlagehidlargelatformcomaie,advocatetheueofdataitheirowway,utthemotimortatthigiottoloethecreditadtrutofcutomer....

2022-05-04 深圳乐天金融服务有限公司 乐融信息科技有限公司

编者评论：智能学习电子书免费版的未来学习是智力的基础，是人类一生必须要做的事情。人类智能是一种交织的智能。智商只是衡量这种智力的标准之一。当今社会已经是智能社会，所以大家想知道未来会发生什么变化吗？有兴趣的请下载阅读。编辑推荐卢进教授，《智能学习的未来》作者，国际人工智能教育学会会长，博士生导师。《智能学习的未来》重新思考和定义了人类智能，阐释了人工智能与人类智能的关系，分析了终身学习时代我们应该学习什么。《智能学习的未来》增加了松鼠爱1对1创始人、中国自动化学会智慧教育专委会副主任李浩阳关于科技解锁教育的关键思想，具有现实指导意义用于人工智能创业实践。.新教育实验创始人、《未来派》作者朱永新，上海大学副校长王小凡，北京教育学院副院长钟祖荣，创始人吴越新主义媒体，强烈推荐！相关内容部分预览简介随着人工智能的飞速发展，我们人类与它相比有什么优势吗？我们最终会被取代吗？要赢得人与机器之间的战斗，我们必须以不同的方式思考智能。RoemaryLuki教授是国际人工智能教育协会的主席。在《智能学习的未来》一书中，她重新定义了人类智能，提出了交织智能模型，详细解释了人类智能的七大要素。指明如何在现在和未来进行智能学习，让我们不被过时的“智能”甩在后面。不仅如此，卢晋教授还对人类智能和人工智能进行了全面比较，分析了我们应该如何利用人类智能和人工智能各自的优势。同时，他指出我们应该如何利用人工智能来发展人类智能，增强未来的学习能力，为人工智能时代做好充分准备。关于作者迷迭香卢金国际人工智能教育学会主席、下议院教育特别委员会专家顾问、伦敦大学学院教育学院教授、伦敦知识实验室主任。教育领域人工智能博士，学习科学家，从事人工智能研究和学习近30年，被《星期日泰晤士报》评选为“20位最具影响力教育家”。李浩洋“松鼠爱1对1”创始人、中国自动化学会智慧教育专业委员会副主任、“中国人工智能30位企业家”。原A股上市公司唯一教育副总裁。●创建了“MCM能力值训练系统”和“非关联知识点的关联概率算法”。曾受邀在斯坦福商学院等机构讲学。《学习的升级》中文版合著者。您如何看待人工智能的未来发展？人工智能在中国才刚刚起步。未来人工智能的发展有两个重点。一是智能机器人将在社会生产中取代劳动力。可以想象，机器人不吃不喝，一天24小时工作，比人类工作得更快更好。生产力的发展达到了一个新的高度，社会财富巨大而丰富。未来，每一个社会公民都可以不用工作就能领取国家给予的生活补助。二是人工智能在社会管理中的应用，这是最重要的。人类社会靠什么来实现平等和正义？以人为本，永远不可能，人性的自私和贪婪一有机会就会生根发芽，腐败和官僚主义渗透社会。人工智能离不开人类的情感，不会作弊，可以比人类更公平、更高效。互联网的出现使社会的生产经营实现系统化智能化管理成为可能。这样的社会是真正意义上的公平公正的社会。人类终将摆脱社会生产，不再是生活的奴隶。...

2022-05-04

图书名称：《云计算与虚拟化技术丛书阿里云云原生架构实践》【作者】阿里集团，阿里云智能事业群，云原生应用平台作【丛书名】云计算与虚拟化技术丛书【页数】262【出版社】北京：机械工业出版社,2021.05【ISBN号】978-7-111-68109-0【分类】云计算【参考文献】阿里集团，阿里云智能事业群，云原生应用平台作.云计算与虚拟化技术丛书阿里云云原生架构实践.北京：机械工业出版社,2021.05.图书封面：智能云原生应用平台团队的经验总结，得到了阿里云智能总裁兼达摩院院长张建锋、阿里巴巴首席技术官程立、阿里云智能基础产品事业部负责人蒋江伟等专家的联袂推荐。本书内容全面，对云原生所涵盖的技术和业务特性一览无余，从设计原则、模式反模式、技术选项、设计方法、行业案例等多个维度全面总结阿里云云原生架构的方法论和实践经验。第1章强调了云原生是云计算的再升级，重点介绍了在研发流水线、软件交付模式、运维模式、应用架构、组织结构等方面的升级，以及阿里云云原生架构发展的3个阶段；第2章介绍了云原生架构的定义，以及云原生架构实际落地时需要遵循的7个关键原则。第3章总结了云原生架构的10种模式和5种反模式。第4章全面介绍了云原生所涉及的10余种技术，详细讲解了每种技术的典型架构与阿里的实践案例。第5章以阿里云ACNA架构设计方法开篇，重点讲解评估云原生架构成熟度所需要考虑的维度与细则。第6章从职能价值角度出发，阐述了云原生如何为不同岗位的业务赋能。第7章聚焦于云原生架构落地，分享了多个具有代表性的企业案例和Z佳实践，这些Z佳实践对于打造一个成功的云原生应用来说有非常大的帮助。第8章对云原生背景下的容器技术、Serverle技术、大数据技术、数据库技术等的发展趋势进行了分析和展望。《云计算与虚拟化技术丛书阿里云云原生架构实践》内容试读■■层■草■■■原■■口■■■■重面重■意■第1章e云原生：云计算的再升级云原生(CloudNative)的概念，最早是由Pivotal于2015年提出的，但是即使到了2019年上半年，国内对其的关注依然相对有限。直到2019年9月，“云原生”才突然一跃成为行业最热门的词汇。不过，时至今日，业界对于云原生的定义并没有完全统一，在云原生不断演进的过程中，衍生出了包括Pivotal、CNCF(CloudNativeComutigFoudatio,云原生计算基金会)、十二因子应用等多个版本的定义。同时，还有不少人将云原生与容器或基于Kuerete的微服务混为一谈。还有云原生技术、云原生产品、云原生架构、云原生理念等看起来意思相近的词汇。那么云原生到底是什么？云原生会对我们的应用开发产生什么样的影响呢？1.1什么是云原生云原生可分解为“云”(Cloud)和“原生”(Native)两个词。这里还隐藏了一个词“计算”(Comutig),因为云原生本质上是一种与云计算(CloudComutig)相同的计算方式，因此通常我们在说云原生的时候，实际上是暗指云原生计算(CloudNativeComutig)。基于这样的背景，下面我们将进一步探讨云原生的概念及其影响。1.1.1云原生的概念既然说到了云原生（计算），那么哪些计算方式不是云原生（计算）呢？要回答这个问2阿里云云原生架构实践题，同时辨析云原生的概念，我们需要先回顾云计算的发展历史，以及与之密切相关的分布式计算的复杂性问题。云计算的概念最先由戴尔公司于1996年提出。2006年，亚马逊公司率先推出了弹性计算云(ElaticComuteCloud,EC2)服务，随后越来越多的企业开始逐步接受云计算这一概念，并将应用逐步迁移到云端，享受这一新型计算方式带来的技术红利。2009年，阿里巴巴率先开始研制具有完全自主知识产权的云产品一飞天操作系统，由此揭开了中国云计算的序幕。纵观软件架构的演化历史可以发现，任何新的底层软硬件技术出现后，上层应用软件都需要很长一段时间才能够真正“认识”到新的软硬件给上层应用软件带来的价值，并开发新的软件架构，以便充分利用新软硬件的能力。最典型的例子就是x86CPU和服务器在面世二十多年后，以CORBA、EJB、RPC、瘦客户端等为主的多层架构才逐步成为应用开发的主流架构。类似的还有容器技术，它最早是由FreeBSD于2000年在Jail中提出的，但真正得到大规模应用是在2013年Docker兴起之后，而应用层的代表则是几年之后基于容器的微服务架构。对于云计算这一新基础设施来说，也是如此。在2015年之前，对于大多数应用来说，云端只是一个用于计算的场所，开发人员所要做的就是将原来在私有数据中心或DC中的应用，迁移到云端。在迁移的过程中，应用无须重新编写，只需要重新部署，因为云平台提供的计算、存储、网络等，完全兼容应用迁移之前的计算环境。在迁移模式中，应用通常会将原来的物理机部署模式改成虚拟机（规格更小）部署模式；存储则选用兼容的块存储或者文件存储；网络使用SLB(ServerLoadBalacer,服务器负载均衡)替换传统的负载均衡器，构建VPC(VirtualPrivateCloud,虚拟私有云)或NAT(NetworkAddreTralatio,网络地址转换)网络环境；使用云数据库替换原来的MySQL或SQLServer,或者自行在云上搭建Oracle数据库。迁移之后，应用的整体成本(TotalCotofOwerhi,TCO)因为采用了“按量付费”的模式而大幅下降，同时，企业的IT支出从CaEx(CaitalExediture,资本性支出)模式转变为OEx(OeratigExee,管理支出)模式，整个IT支出变得更可控。如果对迁移过程进行技术分析，就会发现大部分应用使用的技术或者产品都在进行“一对一”的替换，只有极少量应用会基于OSS(对象存储服务)、MaxComute（大数据计算服务)等云服务进行部分重构。OSS能够帮助解决分布式状态的存储问题，而MaxComute能够解决数据仓库的快速搭建和成本问题。但由于没有或者只进行了少量重构，因此应用的技术栈本身几乎没有发生变化，也就是说，软件的架构没有发生变化，只第1章云原生：云计算的再升级3是软件运行的平台和运维的技术体系发生了变化，即只有平台层面的变化。而软件在分布式场景下需要解决的问题，包括稳定性、组件或服务之间的数据同步、整体的高可用或容灾、C/CD过程的自动化、资源利用率不高、端到端链路跟踪等，仍然需要应用自行解决。这些问题并不会因为应用迁移到了云平台就从根本上得到了解决。当然，各云平台为了帮助应用解决上述分布式复杂性问题，不断推出各类云服务，但是由于应用架构本身并没有发生变化，因此这些云服务并不能帮助应用解决整体问题，只能从局部提升应用的效率。面对大量的业务需求和场景迭代，很多云平台都提供非常专业的垂直领域服务，这些服务比企业基于开源自行搭建的系统具备更高的SLA(ServiceLevelAgreemet,服务等级协议)。比如，在数据持久性方面，亚马逊AWS的数据持久性可以达到99.9%（11个9)，阿里云OSS的数据持久性甚至达到了99.9%(12个9)；在跨可用区的高可用方面，阿里云RocketMQ的高可用达到了99.95%，即使整个机房不可用也能继续对外提供消息服务。如果不是应用的所有存储访问代码都在S3或OSS上重构，那么“木桶效应”就会凸显，即整个系统的数据持久性将取决于能力最差的组件：如果应用不是将所有自持的开源组件都迁移到云平台上，那么当一个机房出现故障时，应用仍然会出现高可用性的问题：如果应用不是基于FaaS(FuctioaaService,功能即服务)技术开发的，那么应用仍然需要自行解决单个组件不可用时的FailOver(失效转移)以及故障恢复时的FailBack(失效后自动恢复)等问题。可见，应用迁移到云上并不代表从此以后就高枕无忧了，如果应用本身没有基于“新”的云服务进行重构，而是继续采用“老”的架构，那么即使业务运行没有问题，应用也不能充分利用“新”的云运行环境的能力。因为这些架构是为了“老”的分布式运行环境而设计的，不是“云原生的”，所以需要对这些架构以及围绕这些架构建立的技术栈、工具链交付体系进行升级，依托于云技术栈将其重新部署、部分重构甚至全部重写，才能将应用变成“云原生的”，从而保证能够充分利用云计算的能力。为了让应用能够更好地使用云的PaaS平台能力开发SaaS(SoftwareaaService,软件即服务)，Heroku于2011年提出了十二因子应用的概念。十二因子应用适用于任何编程语言，通常被认为是最早的云原生应用的技术特征，详情请参考htt:/12factor..et/zhc/。之后，Pivotal于2015年明确地提出了云原生的概念，指出云原生是一种可以充分利用云计算优势构建和运行应用的方式。在经过CNCF的修改后，最新版云原生的定义为：“云原生技术有利于各组织在公有云、私有云和混合云等新型动态环境中构建和运行可弹性扩展的应用。云原生的代表技术包括容器、服务网格、微服务、不可变基础设施和声明式API。这些技术能够构建容错性好、易于管理和便于观察的松耦合系统。结合可靠的自动化手段，云原生技术使工程师能够轻4《阿里云云原生架构实践松地对系统做出频繁和可预测的重大变更。”⊙上面三个主流的定义，分别从顶层架构原则、计算模型和代表技术的角度，对云原生进行了描述。这些定义的共同点是它们都将云原生看作一种新的计算方式，让应用能够充分使用云的计算优势。进一步分析这些定义所体现出的技术观点，我们可以达成这样一个共识：只有结合云原生所提供的云服务，改造应用的架构，才能够更好地使用云原生技术，更好地构建弹性、稳定、松耦合的分布式应用，并解决分布式复杂性问题。此外，对架构的改造还意味着相关的开发模式、交付方式、运维方式等都要随之改变，比如，采用微服务架构重写应用，用声明式API和自动化工具升级运维方式，等等。简单来说，云原生使得整个软件的生产流水线都发生了巨大的变化，而具体的变化程度又取决于企业对云原生的使用情况。实际上，云原生的范围还不止于此。要正确实施云原生这一新计算模式，还需要企业的T决策者、架构师、开发人员与运维人员正确理解和应用云原生的理念，利用会话的云原生技术及产品。有太多的反例可以证明，仅靠单边的技术升级是很难让云原生升级产生价值的。云原生相关概念之间的关系如图1-1所示。现代化应用云原生应用(容器化应用、微服务应用、无服务器应用…)云原生架构云原生开发理念(Service、EDA…)(DevO、GitO…）云原生（计算）云原生产品云原生技术(Docker、Kuerete.…)(容器、微服务…)laaS(公有云/私有云/混合云)(阿里云、DC、自建数据中心…)图1-1云原生相关概念之间的关系在图1-1中，现代化应用在不少场合与云原生应用的概念是等同的，因为它们的很多特征都是相似的，比如，都采用了容器技术打包和交付，都具备很强的弹性能力等。这两个概念的细微差别在于：现代化应用可以与云相关，也可以与云不相关；而云原生应用通⊙参考来源为htt::://githu.com/ccf/toc/.lo/mater/DEFINITION.md。···试读结束···...

2022-04-28 云计算阿里云开发者 云计算 阿里云智能