Distributed Collaborative(분산 협업)란 무엇입니까?
Distributed Collaborative 분산 협업 - The distributed collaborative (DC) strategy was then introduced to enhance the efficiency of a component suffering from multiple failure modes. [1] To improve the accuracy and efficiency of probabilistic LCF life assessment, a distributed collaborative (DC)-wavelet neural network regression (WNNR) (called as DC-WNNR) surrogate model is developed by proposing Bayesian regularization-Quasi Newton (BR-QN) error control technique. [2]그런 다음 분산 협업(DC) 전략이 도입되어 여러 장애 모드로 고통받는 구성 요소의 효율성을 향상시켰습니다. [1] 확률론적 LCF 수명 평가의 정확성과 효율성을 향상시키기 위해 BR-QN(Bayesian regularization-Quasi Newton) 오류를 제안하여 분산 협업(DC)-웨이블릿 신경망 회귀(WNNR)(DC-WNNR이라고 함) 대리 모델을 개발합니다. 제어 기술. [2]
response surface method
To reveal the effect of high-temperature creep on the blade-tip radial running clearance of aeroengine high-pressure turbines, a distributed collaborative generalized regression extremum neural network is proposed by absorbing the heuristic thoughts of distributed collaborative response surface method and the generalized extremum neural network, in order to improve the reliability analysis of blade-tip clearance with creep behavior in terms of modeling precision and simulation efficiency. [1] To improve the efficiency and accuracy of transient probabilistic analysis of flexible multibody systems, a dynamic fuzzy neural network method-based distributed collaborative strategy is proposed by integrating extremum response surface method and fuzzy neural network. [2] In this article, we integrate a Kriging regression model and a distributed collaborative response surface method (DCRSM) for the reliability assessment of turbo-fan blades, considering the relevant uncertainty. [3]고온 크리프가 항공기용 고압 터빈의 블레이드 팁 반경 방향 주행 간극에 미치는 영향을 밝히기 위해 분산 협력 반응 표면 방법과 일반화 극한 신경망의 휴리스틱 사고를 흡수하여 분산 협력 일반화 회귀 극한 신경망을 제안합니다. 모델링 정밀도 및 시뮬레이션 효율성 측면에서 크리프 거동과 함께 블레이드 팁 클리어런스의 신뢰성 분석을 개선하기 위해 네트워크. [1] 유연한 다물체 시스템의 과도 확률적 해석의 효율성과 정확성을 향상시키기 위해 극한 응답 표면 방법과 퍼지 신경망을 통합하여 동적 퍼지 신경망 방법 기반 분산 협업 전략을 제안합니다. [2] nan [3]
distributed collaborative learning 분산 협업 학습
We train our framework across distributed models and data sources to mimic a large-scale distributed collaborative learning experiment that could be implemented across low-cost wearables. [1] This proactive content caching scheme, namely Distributed Collaborative Learning (DCoL), is a non-parametric content popularity prediction mechanism in a distributed setting. [2] This paper proposes a distributed collaborative learning approach for cognitive and autonomous multi-domain elastic optical networking (EON). [3] (2006) that “distributed collaborative learning” could make a signif icant dif ference to the level of ef fective learning in a computer-based group exercise, compared to “collaborative learning in one classroom. [4] Distributed collaborative learning (DCL) paradigms enable building joint machine learning models from distrusted multi-party participants. [5] Mixed reality (MR) technologies are widely used in distributed collaborative learning scenarios and have made learning and training more flexible and intuitive. [6]우리는 저비용 웨어러블에서 구현할 수 있는 대규모 분산 협업 학습 실험을 모방하기 위해 분산 모델 및 데이터 소스 전반에 걸쳐 프레임워크를 훈련합니다. [1] DCoL(Distributed Collaborative Learning)이라고 하는 이 사전 예방적 콘텐츠 캐싱 체계는 분산 환경에서 비모수적 콘텐츠 인기도 예측 메커니즘입니다. [2] 이 논문은 인지 및 자율적 다중 도메인 탄성 광 네트워킹(EON)을 위한 분산 협업 학습 접근 방식을 제안합니다. [3] (2006) "분산 협력 학습"은 "한 교실에서의 협력 학습"과 비교하여 컴퓨터 기반 그룹 연습의 효과적인 학습 수준에 상당한 차이를 만들 수 있습니다. [4] DCL(분산 협업 학습) 패러다임을 사용하면 신뢰할 수 없는 다자간 참여자로부터 공동 기계 학습 모델을 구축할 수 있습니다. [5] 혼합 현실(MR) 기술은 분산 협업 학습 시나리오에서 널리 사용되며 학습 및 훈련을 보다 유연하고 직관적으로 만들었습니다. [6]
distributed collaborative system 분산 협업 시스템
In this paper, we propose CAD3, a distributed collaborative system for road-aware and driver-aware anomaly driving detection. [1] This architecture has additional two layers (namely, Semantic Layer and Decision-Making Layer) on Physical Layer and Cyber Layer to improve communication, interaction, and distributed collaborative system automation. [2] Graph filters are at the core of network information processing architectures, with applications in machine learning and distributed collaborative systems. [3] The healthcare system is a real example of a distributed collaborative system, which aims to improve the patient's healthcare. [4]본 논문에서는 도로 인식 및 운전자 인식 이상 주행 감지를 위한 분산 협업 시스템인 CAD3를 제안한다. [1] 이 아키텍처는 통신, 상호 작용 및 분산 협업 시스템 자동화를 개선하기 위해 물리 계층 및 사이버 계층에 두 개의 추가 계층(즉, 시맨틱 계층 및 의사 결정 계층)이 있습니다. [2] 그래프 필터는 기계 학습 및 분산 협업 시스템의 응용 프로그램과 함께 네트워크 정보 처리 아키텍처의 핵심입니다. [3] 의료 시스템은 환자의 의료 개선을 목표로 하는 분산 협업 시스템의 실제 예입니다. [4]
distributed collaborative production 분산 협업 생산
In the context of new retail and personalized, small-batch, distributed collaborative production, orders arrive in real time, and each workshop needs to organize production lines based on suborders in real time under the constraints of smart contracts. [1] Meanwhile, it combines with smart knitting factories to build a global distributed collaborative production management platform based on parallel manufacturing architecture system through virtual reality interaction, distributed manufacturing, managed and controlled through Cloud. [2] By utilizing smart contracts, manufacturing processes are executed on shared resources in distributed collaborative production networks. [3]새로운 소매 및 개인화, 소규모 배치, 분산 협업 생산의 맥락에서 주문은 실시간으로 도착하고 각 작업장은 스마트 계약의 제약 하에 실시간으로 하위 주문을 기반으로 생산 라인을 구성해야 합니다. [1] 한편, 스마트 편직 공장과 결합하여 가상 현실 상호 작용, 분산 제조, 클라우드를 통한 관리 및 제어를 통한 병렬 제조 아키텍처 시스템을 기반으로 하는 글로벌 분산 협업 생산 관리 플랫폼을 구축합니다. [2] 스마트 계약을 활용하면 분산된 협업 생산 네트워크의 공유 리소스에서 제조 프로세스가 실행됩니다. [3]
distributed collaborative control
This strategy adopts the control cost model which takes into account the life loss of switches and can reflect the thermodynamic characteristics of TCLs, and realizes the control cost optimization through distributed collaborative control. [1] In order to meet the requirements of precise power allocation for stable economic operation of microgrid systems, a distributed collaborative control strategy based on hierarchical microgrid is proposed in this paper. [2] The lower layer adopted a distributed collaborative control approach for allocating energy among EVs in the cluster. [3]이 전략은 스위치의 수명 손실을 고려하고 TCL의 열역학적 특성을 반영할 수 있는 제어 비용 모델을 채택하고 분산 협업 제어를 통해 제어 비용 최적화를 실현합니다. [1] 본 논문에서는 마이크로그리드 시스템의 안정적인 경제 운영을 위한 정밀한 전력 할당 요구 사항을 충족하기 위해 계층적 마이크로그리드를 기반으로 하는 분산 협업 제어 전략을 제안합니다. [2] 하위 계층은 클러스터의 EV 간에 에너지를 할당하기 위해 분산 협업 제어 접근 방식을 채택했습니다. [3]
distributed collaborative filtering
Besides, the distributed collaborative filtering technique is utilized to select the reliability feedback from the neighbors. [1] This paper proposes a privacy-preserving distributed recommendation framework, Secure Distributed Collaborative Filtering (SDCF), to preserve the privacy of value, model and existence altogether. [2]또한 분산 협업 필터링 기술을 사용하여 이웃으로부터 신뢰도 피드백을 선택합니다. [1] nan [2]
distributed collaborative computing
It is extensively used in secure multiparty computation, resource security sharing, and distributed collaborative computing etc. [1] It is widely used in secure multiparty computation, resource security sharing, and distributed collaborative computing et al. [2]안전한 다자간 컴퓨팅, 자원 보안 공유, 분산 협업 컴퓨팅 등에 광범위하게 사용됩니다. [1] 안전한 다자간 컴퓨팅, 리소스 보안 공유 및 분산 협업 컴퓨팅 등에서 널리 사용됩니다. [2]
distributed collaborative sensing
In this paper, we describe an intelligent distributed collaborative sensing system with centralized control for use in DSM-based automated spectrum assignment. [1] Specifically, in a cognitive radio network where secondary users perform distributed collaborative sensing through exchanging information with their neighbors, the simultaneous orthogonal matching pursuit (SOMP) method is employed to detect the sub-bands instantaneously unoccupied by primary users. [2]이 백서에서는 DSM 기반 자동 스펙트럼 할당에 사용하기 위한 중앙 집중식 제어 기능이 있는 지능형 분산 협업 감지 시스템에 대해 설명합니다. [1] 특히, 2차 사용자가 이웃과 정보 교환을 통해 분산 협업 센싱을 수행하는 인지 무선 네트워크에서 SOMP(동시 직교 일치 추적) 방법을 사용하여 1차 사용자가 순간적으로 사용하지 않는 부대역을 감지합니다. [2]
distributed collaborative strategy
To improve the efficiency and accuracy of transient probabilistic analysis of flexible multibody systems, a dynamic fuzzy neural network method-based distributed collaborative strategy is proposed by integrating extremum response surface method and fuzzy neural network. [1] In this paper, we propose a neural network regression-distributed collaborative strategy (NNR-DCS) based on a developed two-step error control technique, to improve the efficiency and accuracy of multi-failure probabilistic analysis. [2]유연한 다물체 시스템의 과도 확률적 해석의 효율성과 정확성을 향상시키기 위해 극한 응답 표면 방법과 퍼지 신경망을 통합하여 동적 퍼지 신경망 방법 기반 분산 협업 전략을 제안합니다. [1] 본 논문에서는 다중 실패 확률 분석의 효율성과 정확성을 향상시키기 위해 개발된 2단계 오류 제어 기술을 기반으로 하는 신경망 회귀 분산 협업 전략(NNR-DCS)을 제안합니다. [2]
distributed collaborative localization 분산 협업 현지화
The main challenge in distributed collaborative localization is how to accurately handle the information coupling problem between different agents. [1] This paper develops a distributed collaborative localization algorithm based on an extended kalman filter. [2]분산 협업 로컬라이제이션의 주요 과제는 서로 다른 에이전트 간의 정보 결합 문제를 정확하게 처리하는 방법입니다. [1] 이 논문은 확장 칼만 필터를 기반으로 하는 분산 협업 로컬라이제이션 알고리즘을 개발합니다. [2]