模型参数
Learning rate(学习速率):0.001 Nesterov Momentum: True F1-score:0.87
模型参数
Momentum=0.9 Learning rate decay: 1e-6
相关优化方法
SGD, SGD+Momentum, Adagrad, RMSProp, Adam
1

产品优势

优化算法

减少算法中的误差

最优值

能有效地寻找出全局最优值

时间短,效率高

每次更新所需要的时间少,收敛速度快

自我优化

在迭代过程中不断降低模型输出的误差

规则引擎

支持大规模分布式部署,千万级设备连接和数十万级 QPS 请求处理能力,毫秒级延迟,可支撑海量物联网设备接入需求

跨平台可伸缩

支持大规模分布式部署,千万级设备连接和数十万级 QPS 请求处理能力,毫秒级延迟,可支撑海量物联网设备接入需求

2

技术理念

技术架构

IoTOS 本质上是一系列物联网微服务的集合,采用分布式架构,应用程序和服务组件均不存在单点风险,针对不同级别的业务场景可随时扩容,企业无需关心高并发、稳定性等技术难点

技术架构

IoTOS 本质上是一系列物联网微服务的集合,采用分布式架构,应用程序和服务组件均不存在单点风险,针对不同级别的业务场景可随时扩容,企业无需关心高并发、稳定性等技术难点

3

应用场景

减少算法中的误差

安防、消防、楼控、环境、道闸、门禁、照明、梯控等各类弱电系统的统一集成和监控

应用于各种算法(CNN,RNN等)的寻求最优解过程

安防、消防、楼控、环境、道闸、门禁、照明、梯控等各类弱电系统的统一集成和监控

连续函数求极值

安防、消防、楼控、环境、道闸、门禁、照明、梯控等各类弱电系统的统一集成和监控

传统连续函数求解

安防、消防、楼控、环境、道闸、门禁、照明、梯控等各类弱电系统的统一集成和监控