一种基于模型的数字体系工程全生态解决方案与开发平台

在系统工程向体系工程转移演化过程中,存在设计依赖基于文档的手段、全生命周期数字化应用覆盖不全、业务管理流程及工具呈碎片化、无法计算论证结果最优解等明显困境。通过在体系架构设计领域多年的探索与沉淀,提出了一种基于模型的数字体系工程全生态解决方案,由该方案研发了一款融合数字体系工程全生态、基于BS分布式微服务架构的KD-DSP凯德数字体系工程开发平台。

基于深度学习的需求自动抽取研究

需求分析是需求工程研究的基础,需求条目在需求工程中起到了至关重要的作用,由于目前市面上比较缺乏有关于自动抽取需求的工具以及研究,研究首先通过多种方法收集需求语料,再基于收集到的语料构建一个需求抽取数据库,提出一种基于深度学习的RoBERTa⁃wwm⁃BiLSTM算法开展需求自动抽取的研究。经过对比验证得出RoBERTa⁃wwm⁃BiLSTM算法需求抽取效果与其他算法相比在各方面均有较大提升,准确率、召回率和F1值分别为94.74%、93.33%和93.65%,结果证明了该方法在需求抽取任务中的有效性。

你的内存兼容PC-100吗?

如何确认普通的SDRAM内存条是否与PC-100兼容。

存储行业发展趋势

一、简介 我们如何对2000年和2001年的内存发展趋势作一个预测呢?现在这个问题变得比以前更加令人捉摸不透。这里有两大阵营:INTEL这边坚信RDRAM(RAMBUS),而另一边则推崇DDR(Double DataRate,双数据速率)和PC133。两家都在吹捧各自的性能与价格。那麽是否将会出现分裂的内存市场呢?我们希望从技术角度分析一下目前的局势。 二、计算设备多种多样 要找到上述问题的答案,我们有必要来审视一下整个“电子行业”,而不仅仅是PC这一部分。实际上,存储器的未来并不象我们理解的那样只局限于PC行业。

基于知识图谱的体系架构设计推荐系统构建

系统首先构建一套知识库(包括领域数据库、参考资源库、设计案例库等);然后基于元模型规则映射表,对数据进行深度挖掘和分析,形成可用于体系架构设计推荐的知识图谱数据结构;最后结合推荐算法自动推荐知识图谱中潜在的架构设计过程中需要的关联数据给用户。