红色警报:WAS V5.0.2.3以下的版本安全证书即将过期!

iceleighton 2005-02-25 01:53:50
https://www-900.ibm.com/cn/support/forum/app/tscforum/topic?tid=54177
大家相互通告,顶!
...全文
248 9 打赏 收藏 转发到动态 举报
写回复
用AI写文章
9 条回复
切换为时间正序
请发表友善的回复…
发表回复
iceleighton 2005-03-14
  • 打赏
  • 举报
回复
最后再顶一把!
DanielYWoo 2005-03-07
  • 打赏
  • 举报
回复
>>我的赶紧看看,惨了呀.我们部署了500台was呀.

>>500多台?好像只听说过农行一次性买过上千个WAS CPU的liecense

赫赫,一个机器两个CPU的话,老洪看来一定是农行的
iceleighton 2005-03-05
  • 打赏
  • 举报
回复
500多台?好像只听说过农行一次性买过上千个WAS CPU的liecense
DanielYWoo 2005-03-04
  • 打赏
  • 举报
回复
500 WAS ! 这么多License好有钱
rainman_2008 2005-03-04
  • 打赏
  • 举报
回复
我的赶紧看看,惨了呀.
我们部署了500台was呀.
iceleighton 2005-03-03
  • 打赏
  • 举报
回复
去连接里面看,又非常详细地说明,包括产生的原因,表现,解决的办法!
kongbaby 2005-03-02
  • 打赏
  • 举报
回复
顶!
plm1 2005-03-02
  • 打赏
  • 举报
回复
那我们的怎么办?
iceleighton 2005-03-01
  • 打赏
  • 举报
回复
顶!
内容概要:本文提出一种基于鱼鹰优化算法(OOA)优化的CNN-BiGUR-Attention混合模型,用于提升短期风电功率预测的精度与稳定性,采用Matlab实现代码仿真。该模型融合卷积神经网络(CNN)提取输入数据的局部空间特征,利用双向门控循环单元(BiGUR)捕捉风速、功率等时间序列的前后向动态依赖关系,并引入注意力机制自适应强化关键时间步的特征权重,从而增强模型对非平稳风电数据的表征能力;进一步,采用OOA算法对模型超参数进行全局寻优,有效提升模型收敛速度与泛化性能。研究基于实际风电场历史数据开展实验验证,结果表明,该方法相较传统模型在预测精度、鲁棒性和误差抑制方面表现更优,适用于高比例可再生能源接入背景下的电力系统调度需求。; 适合人群:从事新能源发电预测、电力系统优化调度、智能算法与深度学习融合应用等方向的科研人员及工程技术人员,尤其适合具备Matlab编程能力、熟悉时间序列建模与深度学习框架的研究者。; 使用场景及目标:①实现风电场短期功率高精度预测,支撑电网安全稳定调度与能量管理;②为深度学习模型结构设计与智能优化算法联合调参提供实践范例;③推动人工智能技术在可再生能源预测、智能电网运行等领域的落地应用。; 阅读建议:建议结合提供的Matlab代码深入理解CNN-BiGUR-Attention网络架构搭建、注意力机制实现方式及OOA优化流程,重点关注数据预处理、模型训练与参数调优细节,可通过替换不同风电数据集进行对比实验,进一步掌握模型迁移能力与适应性。

2,633

社区成员

发帖
与我相关
我的任务
社区描述
WebSphere 是 IBM 的软件平台。它包含了编写、运行和监视全天候的工业强度的随需应变 Web 应用程序和跨平台、跨产品解决方案所需要的整个中间件基础设施,如服务器、服务和工具。
社区管理员
  • WebSphere社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧