وفقا لتقرير صادر عن Chinanews Guangxi في 22 يناير ، أصدرت شركة Guangxi Power Grid Corporation نموذجا كبيرا للذكاء الاصطناعي لنقل الطاقة. يعتمد النموذج الكبير على قاعدة "الواط الكبير" لشبكة الطاقة الجنوبية الصينية ، التي تم تطويرها بشكل مشترك من قبل شركة Guangxi Power Grid Corporation و China Southern Power Grid Artificial Intelligence Technology Co.، Ltd. ، وهو أول نموذج تطبيق عبر الإنترنت لبيئة الإنتاج في صناعة الطاقة المحلية. وفقا ل Xuan Liang ، المدير العام لقسم تكنولوجيا الإنتاج في شركة Guangxi Power Grid China Southern Power Grid Company ، مقارنة بالنموذج الصغير التقليدي ، فإن نموذج الذكاء الاصطناعي الكبير للنقل يتمتع بأداء أفضل من حيث الدقة والقدرة على التعميم وكفاءة الاعتراف. أولا ، زاد عدد المعلمات من الملايين إلى 100 مليون ، وثانيا ، تمت زيادة كفاءة تحديد العيوب بمقدار 5 مرات ، وزادت الدقة بنسبة 15٪ ، والتي يمكن أن تعبر بدقة أكبر عن نوع وموقع مخاطر العيوب ، وحل مشكلة تجزئة النموذج ، والتعامل بشكل أفضل مع العيوب في سيناريوهات أعمال الطاقة غير المرئية.
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
وفقا لتقرير صادر عن Chinanews Guangxi في 22 يناير ، أصدرت شركة Guangxi Power Grid Corporation نموذجا كبيرا للذكاء الاصطناعي لنقل الطاقة. يعتمد النموذج الكبير على قاعدة "الواط الكبير" لشبكة الطاقة الجنوبية الصينية ، التي تم تطويرها بشكل مشترك من قبل شركة Guangxi Power Grid Corporation و China Southern Power Grid Artificial Intelligence Technology Co.، Ltd. ، وهو أول نموذج تطبيق عبر الإنترنت لبيئة الإنتاج في صناعة الطاقة المحلية. وفقا ل Xuan Liang ، المدير العام لقسم تكنولوجيا الإنتاج في شركة Guangxi Power Grid China Southern Power Grid Company ، مقارنة بالنموذج الصغير التقليدي ، فإن نموذج الذكاء الاصطناعي الكبير للنقل يتمتع بأداء أفضل من حيث الدقة والقدرة على التعميم وكفاءة الاعتراف. أولا ، زاد عدد المعلمات من الملايين إلى 100 مليون ، وثانيا ، تمت زيادة كفاءة تحديد العيوب بمقدار 5 مرات ، وزادت الدقة بنسبة 15٪ ، والتي يمكن أن تعبر بدقة أكبر عن نوع وموقع مخاطر العيوب ، وحل مشكلة تجزئة النموذج ، والتعامل بشكل أفضل مع العيوب في سيناريوهات أعمال الطاقة غير المرئية.