网络技术下的远程智能家居系统研究

随着科技的发展和人们生活水平的提高，智能家居系统逐渐的融入到人们的生活中来，并且为人们的生活提供了更加便捷的服务。本文主要针对基于单片机技术的网络技术远程智能家居系统进行深入的分析，对该系统中的家居安防、家居远程监测和智能家电控制等方面进行详细的研究，并且阐述了系统的主要组成部分和相关功能。     

基于物联网的家庭安防系统设计

随着我国科技跨越式发展及安全防控需求,家庭安防系统应运而生,成为智能家居不可或缺的子系统。分析现有家庭安防系统,发现其在功能性、智能性和建设成本上存在欠缺,不能满足安全防控的绝对需求。基于此,提出了基于物联网的家庭安防系统,室内采用WiFi组网传输,选用4G网络搭建手机传输通道,实现室内环境监测、视频监控、门禁管理、设备控制等功能,支持PC端及手机终端的双端查看,极大保障家庭居住场所的安全性。     

机器学习在聚合物材料研究中的应用进展

在大数据和人工智能相结合的现代科学研究的新形势下，聚合物材料性能的快速预测和新型聚合物材料的研发逐渐成为聚合物材料研究领域的关注焦点。将机器学习应用于聚合物材料研究领域，打破了传统试错法的局限性，通过数据直接建立材料特征与所需性能之间复杂的关系模型，解决聚合物组成成分和复杂结构等在其研究过程中带来的难题。论文介绍了机器学习在聚合物材料研究领域的常用方法及算法；总结了以宏观参量与微观参量为机器学习模型输入时，聚合物材料性能预测的研究进展；分析了基于机器学习的聚合物材料设计和新型聚合物材料研发的重要应用成果；讨论并提出当前基于机器学习的聚合物材料的研究热点与方向。     

基于移动互联技术的智能家居系统设计研究

随着智能家居相关技术的不断成熟与发展,智能家居系统的发展前景将更加广阔。移动互联技术在智能家居系统中扮演着重要角色,能够有效地对家居环境进行远程监控和管理,对智能家居系统设计有着至关重要的作用。本文从智能家居系统中的移动互联技术出发,探讨基于移动互联技术的智能家居系统设计,以期进一步提升智能家居系统的实用性和完整性。     

物联网技术在未来智能家居中的应用探微

物联网技术是在互联网基础上发展起来的一种物物相连的新兴技术,将其应用于智能家居中,使得未来大众生活向着智能化、人性化方向发展已成为一种趋势。本文对物联网技术及智能家居概念作了简要概述,对其在智能家居系统中的体现及具体应用进行了阐释,并结合当前应用过程中面临的问题给出了应对策略。     

关于人脸识别在安防系统的运用分析

我国现阶段各行各业不断发展进步,从安防领域来讲做好对基础的监控管理工作,融合新型技术手段进行人脸识别,标志着产业走进一个智能化、信息化的发展阶段。结合现代社会产业安防管理基本要求,契合现代社会人们对安防系统的基本要求,人脸识别技术有效性应用,探索其中存在的局限性与困难性,利用技术手段克服是本文主要研究的课题。     

基于机器学习势函数的材料力热性质多尺度模拟研究进展

随着人工智能技术的发展，采用机器学习方法进行势函数的构建和拟合，成为目前解决经验势函数精度问题的主要技术途径。机器学习方法解决了传统势函数拟合中的试错低效问题，已成为材料设计和物性研究不可或缺的有力工具。本文围绕当前机器学习势函数的特点，及其在相变研究、本征性质研究和界面研究等方面的应用，全面总结介绍势函数及其拟合策略，以及其在特定物性研究中的应用，推动机器学习势函数在材料力热性质的多尺度模拟研究。最后，展望了机器学习势函数所面临的挑战和未来发展前景。     

基于机器学习探索钙钛矿材料及其应用

经过大半个世纪的算法模型积累，以数据科学为基础的机器学习方法，已经可以适配多项学科的研究需求。在理论与实验积累的数据基础上，机器学习紧跟各个领域的研究潮流，推动数据密集型科学研究的发展，使其成为继“理论”、“计算”、“实验”后引领科学研究的“第四范式”。在材料科学领域，钙钛矿材料具有构成丰富、带隙可调、发展空间广阔等优势，但还未在其适用领域内达到环境友好等实用标准。因而基于机器学习探索钙钛矿材料及其应用，不仅可以加速新型钙钛矿材料的发现，而且可以探究钙钛矿材料种种优异性能与其物理化学特征之间的关联，为发展环境友好型高性能钙钛矿器件提供指导。在此总结了机器学习结合钙钛矿材料的研究优势与研究流程，综述了机器学习在钙钛矿材料性质与器件探索方面的研究进展，探讨了当下面临的研究困境和挑战，展望了未来的研究方向和发展趋势。     

基于分子表面电荷密度分布与机器学习的混合物设计方法研究

由于混合物性能的可调控性，当前市场对其关注与日俱增。对于这类产品，基于模型的设计方法由于具有高效性以及普适性，相较于其他产品设计方法得到了更快的发展。但是对于很多性质，如气味、颜色等，准确且普适的模型尚不可得。因此，本文提出了一种基于分子表面电荷密度分布描述符（S描述符）和机器学习模型的混合物设计方法，采用描述符表征产品、再通过机器学习模型将其与性质关联，直接用于混合物产品设计。具体地，根据给定的产品性质需求，机器学习模型直接预测/设计混合物产品的S描述符；然后以欧几里德距离为指标，在给定的数据库中筛选出S描述符满足要求的候选混合物组成。最后，对候选混合物及其组分性质进行实验验证，完成设计。本文以香精的混合替代物设计作为算例，设计得到丙酸叶醇酯的两种混合香精替代物，通过实验对混合物进行了验证。结果表明，混合替代物的气味及其组分的各理化性质均与丙酸叶醇酯相近，证实本文所提出方法的有效性。     

机器学习在复合材料领域中的应用进展

复合材料因其密度低、比模量高、比强度高等优势成为汽车轻量化的重要材料。但因复合材料所涉及材料参数相对庞杂，成本高、周期长的传统复合材料研究方法已无法适应目前复合材料的发展趋势。近年来，基于数据挖掘的机器学习具有高效、高精等优势，为解决上述复合材料领域现存困境提供了新思路。通过阐述机器学习技术的基本原理、应用流程以及典型算法，总结其在复合材料领域的应用可行性。分析了机器学习在复合材料的微观结构表征、力学性能预测、复合材料优化设计、加工制造模拟速度四个方面的研究进展。分析表明，机器学习可用于复合材料研究领域，且具有较高的预测精度和可靠性。最后分析了机器学习在该领域的问题与挑战，为其未来研究方向和发展提出展望。     

基于机器学习的电化学能源电池宏微观设计

能源储存系统是电动汽车、电子设备等高新技术的重要基础。近年来基于机器学习的电池设计能够快速连结材料微观结构-材料微观性能-电池宏观性能的复杂关系，成为了热点研究。本文从能源电池的微观材料设计和宏观状态预测两方面系统性地综述了电池设计中机器学习的应用现状和前景，概括综述了机器学习电池设计的研究数据来源、算法的优缺点及其在电池领域的应用场景以及近年来的相关创新性工作及其展望，以期为机器学习在能源储存系统的宏微观设计提供了参考。     

基于机器学习的企业可视化信息管理平台研究

对于企业的长期运行发展而言，可视化技术和基于可视化技术的信息化平台在实践应用中发挥着重要作用。企业运行发展中，可视化信息管理平台的构建，需基于机器学习理论全方位实现优化与提升。本文以可视化技术为基础进行企业信息管理平台构建，分别从系统总体设计、系统网络架构构建、系统功能设计几方面入手开展。在实践应用中，可视化信息管理平台可实现为审核人员提供便利、为企业运行的核心业务模块工作开展提供参考、为企业个性化功能的发挥提供帮助。     

基于ZigBee的自动照明系统在智能家居中的应用

提出了一套基于ZigBee技术的自动照明系统,并将该系统应用在智能家居建设上,介绍系统架构、硬件方案和软件设计。     

物联网在智能家居中的应用与发展探析

物联网技术的发展对智能家居产生了很大的影响,其广阔的发展空间和应用前景越来越受到人们的关注与重视。本文对智能家居进行了简要叙述,分析了物联网技术在智能家居中的重要体现,对物联网在智能家居中的应用与发展趋势进行了深入探讨。     

基于无线传感网的智能家居环境控制系统设计与实现

随着无线通信技术的发展,智能家居环境控制系统也取得了快速发展。如果业主希望在还没有回到家就开启室内空调等设备,这样到家的时候,室内环境温湿度都将更加温馨适宜;或者只要房间内温湿度超出了一定范围,空调等设备就会自动开启使房间内温湿度回归正常范围。为此,本文提出一种基于无线传感网的智能家居环境控制系统设计方案,该系统主要采用CC2530器件,实时采集每个房间的温度和湿度等数据,并根据这些数据自动调控房间空调和加湿器等设备。实验表明:该系统足够智能且价格低廉,可以满足智能家居的需求。     

基于物联网技术的我国智能家居的发展思路

本文通过分析全球智能家居行业的趋势,联系我国智能家居行业的实况,结合当下消费市场、物联网技术等,提出了一些关于基于物联网技术的我国智能家居行业发展思路的建议。     

机器学习在固体氧化物燃料电池、锂电池、CO_(2)电还原催化剂中的研究进展EI北大核心CSCD

随着清洁能源系统的推广应用,锂离子电池、固体氧化物燃料电池作为清洁能源器件受到广泛的关注。然而,作为复杂的电力动力系统,电池的商用化一直面临长时间、多维度、高精度的性能预测需求,一些新型的电池性能预测方法仍处于起步探索阶段。近年来,随着人工智能的普及与推广,机器学习这项基于传统人工神经网络的技术被国内外研究者所重视。机器学习等数据科学的最新进展为科学和工程界提供了灵活而快速的预测框架,在材料研发等方面显示出巨大的应用前景。本工作总结了采用机器学习方法用于固态氧化物燃料电池、锂电池、CO_(2)电化学还原催化剂的最新进展,并对未来的发展方向提出了若干建议。     

基于用户意图的智慧社区人机交互框架

当前的智能家居是由多个自主空间组成的无所不在的计算环境,其优点是与家居用户交互的服务可以在空间、硬件、软件和质量上设置不同的配置。从技术上讲,智能家居不仅要"聪明",而且在为用户服务时,永远不要忘记保持"家的本质"。分析了服务、空间和用户之间的关系,然后提出了一个框架来构建它们之间的交互关系,最后提出了基于用户行为的用户意图识别方法。     

面向材料领域机器学习的数据质量治理

数据驱动的机器学习凭借其准确高效的预测能力广泛应用于材料的性能预测和构效关系研究。数据决定了机器学习的上限。然而，目前材料领域的数据存在来源广、噪音大、样本少、维度高等数据质量问题，阻碍了机器学习在材料领域更广泛的应用。本文从数据品质和数据数量2个视角系统梳理并全面剖析了材料领域数据质量问题及其相关治理工作，发现数据品质与数据数量共同决定数据质量。基于此，提出了面向材料领域机器学习全过程的领域知识嵌入的数据质量治理框架。该框架定义了12种维度用于解析材料数据质量的内涵；构建了数据质量治理的生命周期模型以确保数据质量治理活动有序进行；建立了一系列数据质量治理处理模型，从领域知识与数据驱动2个方面对数据质量进行精准全面治理，为生命周期模型的具体实施提供技术支持。该框架实现了材料数据质量的综合评估与提升，为高质量数据获取提供理论指导与候选方案，加速机器学习在材料研发中的深入应用。     

人工智能在塑料企业中的应用研究

<正>人工智能(Artificial Intelligence, AI)是一种模拟人类智能的技术和方法,从最初的规则系统,到基于数据的机器学习,再到当前的深度学习、强化学习等技术手段,其也在不断发展和进步。目前,人工智能的应用范围越来越广泛,具有语音识别、图像识别、自然语言处理、机器翻译、智能驾驶、医疗诊断等多种功能。同时,人工智能技术也在积极与各行业进行融合,通过技术赋能为行业发展提供助力。塑料作为一种具有可塑性、可成型性、