


KI und IoT tragen dazu bei, das Smart-City-Erlebnis zu verbessern
Städte werden aufgrund des enormen Wachstums des Internets der Dinge (IoT) und der Verarbeitung künstlicher Intelligenz zur Verarbeitung und Überwachung der riesigen Datensätze, die von städtischen Zentren generiert werden, immer intelligenter. Das Technology Magazine wirft einen detaillierten Blick auf drei der intelligenten Technologien, die versprechen, das städtische Leben und die Unternehmen und Regierungen, die es bedienen, zu verändern.
Einsatz künstlicher Intelligenz zur Energieoptimierung in Smart Cities
Künstliche Intelligenz kann in Smart Cities verwendet werden, um zu analysieren und zu verfolgen, wie Unternehmen und Einwohner Energie verbrauchen, und so Daten zu generieren, die wiederum bei der Entscheidungsfindung darüber helfen können, wo erneuerbare Energien eingesetzt werden sollten verwendet werden. Dies kann Stadtplanern auch zeigen, wo Energie verschwendet wird und wie man Energie sparen kann.
John Kosowatz, Chefredakteur der American Society of Mechanical Engineers (ASME), erklärt, dass intelligente IoT-Lösungen eingesetzt werden sollten, um die Infrastruktur zu optimieren und den Bürgern die Beteiligung am Servicemanagement zu ermöglichen.
Sensoren, Netzwerke und Anwendungen empfangen Daten zu Energieverbrauch, Verkehr und Schadstoffbelastung. Diese werden dann analysiert und zur Korrektur und Vorhersage von Nutzung und Mustern verwendet. Durch die Bereitstellung dieser Daten für jedermann über Open-Access-Systeme können Bürger und Unternehmen diese Informationen selbst nutzen.
Vinod Pangracious, Leiter und außerordentlicher Professor für Elektrotechnik und Informationstechnik an der American University in Dubai, stellte das Konzept eines Blockchain-basierten Peer-to-Peer-Energiehandelsrahmens für den Handel mit dezentraler sauberer Energie in einer vernetzten Gesellschaft vor.
Das intelligente Energiehandelsmodell ist darauf ausgelegt, so viel wie möglich automatisiert abzuwickeln, einschließlich der Produktion, des Verbrauchs und der Verteilung sauberer Energie mithilfe erneuerbarer Energien.
Künstliche Intelligenz und IoT: Verbesserung des Transports in Smart Cities
Technologen nutzen heute Computer Vision und maschinelle Lerntechnologien, um die städtische Verkehrsinfrastruktur zu verändern.
Ein führendes Unternehmen in diesem Bereich ist Hayden AI, das die weltweit erste autonome Verkehrsmanagementplattform entwickelt hat. Das Unternehmen automatisiert komplexe Prozesse und verbessert öffentliche Dienstleistungen.
Diese Technologie kann eine Vielzahl verschiedener Fahrzeuge des öffentlichen Dienstes unterstützen, darunter Busse, Straßenkehrmaschinen, Flughafensicherheitsfahrzeuge und Polizeiautos.
Mit dem Einsatz künstlicher Intelligenz in Smart Cities sind Innovationen im öffentlichen Verkehr entstanden. Diese Technologie ermöglicht es Benutzern des öffentlichen Nahverkehrs, Aktualisierungen in Echtzeit zu empfangen und darauf zuzugreifen, wodurch die Kundenzufriedenheit im Laufe der Zeit und im Detail verbessert wird. Es gibt auch Pläne für autonome Busse innerhalb der Stadt, die Emissionen reduzieren, Routen verbessern und die Frequenz erhöhen könnten.
Mithilfe der Kennzeichenerkennungstechnologie sind Parkplätze in der Lage, Autos zu erkennen, die länger als vorgesehen stehen, und können außerdem Zahlungen und Strafzettel durchsetzen. Zu den weiteren Technologien gehört die Möglichkeit, Parkplätze basierend auf dem Auto zu empfehlen.
KI & SICHERHEIT IN INTELLIGENTEN STÄDTEN
Während Überwachungskameraaufnahmen normalerweise überprüft werden, wenn ein Verbrechen gemeldet wird, verhindert dies nicht das Verbrechen selbst. Sicherheitskameras mit künstlicher Intelligenz sind in der Lage, Aufnahmen in Echtzeit zu analysieren und Straftaten zu erkennen, die dann sofort gemeldet und behandelt werden können.
Diese Kameras können Personen auch anhand ihrer Kleidung erkennen, sodass die Technologie Verdächtige schneller als je zuvor finden kann.
Intelligente Städte können auch künstliche Intelligenz nutzen, um ihre Auswirkungen auf die lokale Umwelt, die globale Erwärmung und den Verschmutzungsgrad zu erkennen.
Einsatz künstlicher Intelligenz und maschinellen Lernens zur Kontrolle der Umweltverschmutzung und zum Energieverbrauch, damit Kommunalbehörden und Städte fundierte Entscheidungen treffen können, die am besten für die Umwelt sind. Intelligente Städte nutzen auch künstliche Intelligenz, um Kohlendioxid zu erkennen, das dann Transportentscheidungen treffen kann.
Eine weitere sehenswerte Innovation ist das Real-Time Response Center (RTRC), das voraussichtlich in zukünftigen Smart Cities erscheinen wird. Das RTRC empfängt Daten aus verschiedenen Quellen und zeigt aggregierte Informationen auf einem großen Videodisplay zusammen mit Echtzeitinformationen von Kameras, Verkehrssensoren und Schussdetektoren an.
„In Strafverfolgungsbehörden in Smart Cities ist das RTRC die zentrale Anlaufstelle zum Schutz der Öffentlichkeit“, sagte Sandeep Sinha, Marketingleiter, SLED, Insight Digital Innovation. Sinha erklärte, dass Unternehmen wie Insight, Genetec, Intel und Microsoft zusammenarbeiten, um die bestehende IT-Infrastruktur für die öffentliche Sicherheit auszubauen und cloudbasierte Lösungen zu entwickeln.
Das obige ist der detaillierte Inhalt vonKI und IoT tragen dazu bei, das Smart-City-Erlebnis zu verbessern. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

Laut Nachrichten dieser Website vom 5. Juli veröffentlichte GlobalFoundries am 1. Juli dieses Jahres eine Pressemitteilung, in der die Übernahme der Power-Galliumnitrid (GaN)-Technologie und des Portfolios an geistigem Eigentum von Tagore Technology angekündigt wurde, in der Hoffnung, seinen Marktanteil in den Bereichen Automobile und Internet auszubauen Anwendungsbereiche für Rechenzentren mit künstlicher Intelligenz, um höhere Effizienz und bessere Leistung zu erforschen. Da sich Technologien wie generative künstliche Intelligenz (GenerativeAI) in der digitalen Welt weiterentwickeln, ist Galliumnitrid (GaN) zu einer Schlüssellösung für nachhaltiges und effizientes Energiemanagement, insbesondere in Rechenzentren, geworden. Auf dieser Website wurde die offizielle Ankündigung zitiert, dass sich das Ingenieurteam von Tagore Technology im Rahmen dieser Übernahme mit GF zusammenschließen wird, um die Galliumnitrid-Technologie weiterzuentwickeln. G
