摩斯荣获2024中国国际金融展“金鼎奖”

2024-07-30 14:44:12 804 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›
蚂蚁摩斯隐私计算论坛 蚂蚁摩斯隐私计算论坛 墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 + 加入社区
工业级隔离CAN FD收发器ISO1042设计实战：从原理到EMC防护 在工业自动化与伺服驱动系统中，CAN总线是实现设备间可靠通信的关键技术。其核心原理是通过差分信号传输和仲裁机制，在复杂电磁环境中实现多节点实时数据交换。这项技术的核心价值在于为高噪声、高干扰的工业现场提供了稳定、确定性的通信基础，是构建分布式控制系统不可或缺的环节。其典型应用场景包括新能源汽车电池管理、工业机器人伺服控制以及光伏逆变器集群通信等。本文将聚焦于如何通过高性能隔离CAN FD收发器（如TI的ISO1042）来应对地电位差、浪涌和高压串扰等现场挑战，深入解析其集成的电气隔离、±70V总线故障保护和 阅读详情

摩斯获得“金鼎奖”

7月21日2024中国国际金融展闭幕式上揭晓本届大会“金鼎奖”，摩斯凭借隐私计算在金融行业营销和风控领域的数智化创新方案和规模化应用，获得“金鼎奖*优秀金融科技

图片

图片

 

走进摩斯

摩斯作为国内最早开始布局隐私计算技术的厂商，团队自主研发相关专利300多项，结合多年在金融行业深耕，打造出隐私计算在精准营销和风控场景的最佳实践，至今已服务300+机构，被IDC评为“中国隐私计算平台市场份额第一”。

今年以来，摩斯最新推出“大模型隐私保护方案”，解决大模型应用过程中的数据和模型的隐私安全问题。在原有大模型使用链路上叠加隐私计算能力，实现微调精度无损、秒级隐私推理，支持云部署、一体机、自有算力多种部署方式，支持算力扩展，可供企业灵活选购。目前该产品已获得“信通院首批大模型TEE产品专项测评认证”，可以应用在智能化服务工具、金融产品分析和推荐、生物医学研究、法律推理决策等领域，提升业务决策效率和精准度。

 

大会精彩瞬间

图片

图片

图片

图片

图片

图片

图片

关注我，获取更多资讯~

...全文
【电力系统电能质量】项目介绍 MATLAB实现基于PSO-CNN-SVM粒子群优化算法（PSO）结合卷积神经网络（CNN）和支持向量机（SVM）进行电压暂降扰动分类预测（含模型描述及部分示例代码） 内容概要：本文介绍了一种基于PSO-CNN-SVM混合模型的电压暂降扰动分类预测方法，旨在提升电能质量事件识别的准确性与自动化水平。该模型首先利用一维卷积神经网络（CNN）从五维电能质量特征（暂降深度、持续时间、相位突变、谐波畸变率、等效阻抗）中自动提取深层特征；随后通过粒子群优化算法（PSO）对支持向量机（SVM）的关键超参数（惩罚系数与核尺度）进行智能寻优，提升分类性能；最终由SVM完成多类别判别。项目涵盖数据生成、特征标准化、模型训练、验证测试全流程，并提供了MATLAB代码实现框架，包括分层数据划分、CNN特征提取、PSO参数优化及分类结果评估等关键步骤。该方法兼具深度学习的特征表达能力与SVM的分类优势，同时通过PSO实现了参数调优的自动化，适用于复杂工况下的电压暂降分类任务。; 适合人群：具备一定机器学习与电力系统基础知识的科研人员、电气工程领域研究生及从事电能质量分析的工程技术人员。; 使用场景及目标：①应用于配电网与工业供电系统中电压暂降事件的高精度分类识别；②服务于敏感负荷的实时监测、故障溯源与风险预警；③为保护装置整定、电能质量评估和运维决策提供数据支持；④作为可扩展的研究平台，支持后续引入实测数据或多源特征融合。; 阅读建议：建议结合提供的示例代码与数据生成逻辑进行实践操作，重点关注CNN特征提取层的设计、PSO寻优机制的实现流程以及跨模块的数据传递方式。学习过程中应理解各组件的功能分工与协同机制，尤其注意训练集、验证集与测试集的独立性保障，以确保模型评估的有效性与可重复性。 立即下载

相关推荐

【电池寿命预测】基于早期循环数据的随机森林模型与不确定性评估：融合袋外误差选择与保形校准的可复现技术体系 MATLAB 早期循环数据预测电池寿命｜随机森林与不确定性评估

内容概要：本文档介绍了一个基于MATLAB的项目，旨在利用早期循环数据预测锂离子电池的循环寿命。项目采用随机森林回归模型，建立从电池早期五个关键特征（容量保持率、内阻、电压平台偏移、平均工作温度、库仑效率）到最终循环寿命的非线性映射。为增强预测的实用性，项目引入了基于袋外（Out-of-Bag, OOB）机制和保形预测（Conformal Prediction）的不确定性评估，生成自适应的预测区间，量化预测结果的可信度。整个流程涵盖了从模拟数据生成、模型训练与参数调优、不确定性校准到结果可视化的完整链条，并设计了可复现、防信息泄露的三阶段数据划分（训练、校准、测试），最后探讨了模型在电池研发、制造、新能源汽车和储能等领域的应用前景。; 适合人群：具备一定编程基础，熟悉MATLAB环境，对机器学习和数据分析有兴趣的研发人员、工程师和研究生。; 使用场景及目标：①利用随机森林模型，基于电池早期循环数据预测其全生命周期；②建立可量化的预测不确定性区间，为风险决策提供依据；③构建一套完整的、可复现的数据分析与模型评估流程，服务于电池的全生命周期管理。; 阅读建议：此资源以MATLAB为开发平台，通过详细的代码示例展示了从数据生成到模型部署的全过程。学习者应重点关注数据划分、袋外参数选择、保形预测区间的构建等核心模块。建议在学习时，结合文档中的理论阐述，亲手运行并调试代码，深入理解随机森林在回归任务中的应用以及不确定性评估的实现细节。

nantangyuxi

政府科技管理者如何精准匹配区域重点产业与科技成果资源？.docx

政府科技管理者如何精准匹配区域重点产业与科技成果资源？

BIZKEEN

高校技术转移办公室如何优化技术成果的展示与推介流程？.docx

科易网基于AI模型+行业大数据，在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景，推出科技创新领域的AI+工具与数智化解决方案，推动科技创新与产业创新智能化发展。

BIZKEEN

Special-Comfy-part1.7z.027

ComfyUI专用模型资源分卷压缩包，Special-Comfy-part1系列第027卷。7z分卷格式，单卷900MB，需配合全部分卷解压使用。

WSH_SRE

Python3 datetime时区避坑指南

原生datetime.now()获取本地时间，不带时区属性，属于 naive时间，跨服务器比对会报错。带时区时间使用datetime.astimezone，强制绑定东八区时区。禁止手动加减8小时修改时差，夏令时更新会导致时间错误。时间计算：timedelta直接实现天数、小时增减，无需手动换算秒数。字符串解析使用strptime，格式化使用strftime，格式符号严格区分大小写，%Y四位年份、%y两位年份极易写错。线上时间异常大多源于时区不统一。 http://dejiazhibozaixian.org/index.html http://bjbmhy.com/index.html https://zhida.zhihu.com/share/7702393071245885926 http://dejiazhiboquantianmianfei.org/index.html http://cqbesttoo.com/index.html

2601_97326417
评论
收藏 已收藏
分享
返回顶部
蚂蚁摩斯隐私计算论坛
蚂蚁摩斯隐私计算论坛
Ethereum中文社区 362 成员 114 内容
+ 加入社区