社区
茶馆
帖子详情
我对有些只提问不给分的人表示遗憾!
LOADS
2001-04-28 02:50:00
csnd真是个好地方啊,请大家遵守游戏规则,以使大家更有动力!
...全文
152
5
打赏
收藏
我对有些只提问不给分的人表示遗憾!
csnd真是个好地方啊,请大家遵守游戏规则,以使大家更有动力!
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
5 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
smartboyme
2001-04-28
打赏
举报
回复
强烈反感有些人不给分!
cloudred
2001-04-28
打赏
举报
回复
我想给分呀,可我的问题还没解决,怎么办?
http://www.csdn.net/expert/topic/103/103480.shtm
http://www.csdn.net/expert/topic/104/104608.shtm
xyf
2001-04-28
打赏
举报
回复
我可是老老实实给分的,我发现我是唯一的(就我发现的)
抬头看路
2001-04-28
打赏
举报
回复
自己解决了没法给自己分。
wolfboy
2001-04-28
打赏
举报
回复
怎么提问啊,还有怎样给分,给的的规则是什么?我很想提问的
osworkflow工作流的workitem的一种实现方式
osworkflow是一个开源的工作流引擎,它提供了一种相对而言较为简单和灵活的实现方式,在oa和mis系统里是一个较为轻量级的解决方案,但是osworkflow只提供了一个引擎,大部
分
的功能都需要用户自己进行扩展。我在使用的过程中虽然陶醉于osworkflow所提供的极端的灵活性但同时也对osworkflow其他功能的匮乏而头痛不已,特别是workitem的缺乏尤其令我愤怒。 在网上搜索到一些实...
OSWorkflow讲解系列(三)Function与workitem
<o:p></o:p>接下来说说,如何利用OSWorkflow的function进行任务的
分
配: OSWorkflow是只是一个workflow engine的内核体。我们都说osworkflow非常的易扩展,但是这也同样说明了,用osworkflow去实现一个能够运行的工作流系统是非常繁琐的事情。繁琐并不是难,因为你要想实现一个流程,不得不自己去实现大量的con...
如何利用OSWorkflow的function进行任务的
分
配
如何利用OSWorkflow的function进行任务的
分
配: OSWorkflow是只是一个workflow engine的内核体。我们都说osworkflow非常的易扩展,但是这也同样说明了,用osworkflow去实现一个能够运行的工作流系统是非常繁琐的事情。繁琐并不是难,因为你要想实现一个流程,不得不自己去实现大量的condition和function。 既然说到工
利用osworkflow实现业务流程
转贴:Osworkflow是完全用java语言编写的开放源代码的工作流引擎,具有显著的灵活性及完全面向有技术背景的用户的特点。用户可以根据自身的需求利 用这款开源软件设计简单或是复杂的工作流。通过使用,用户就可以把工作中心放在业务和规则的定义上,而不需通过硬编码的方式实现一个Petri网或是一个 有穷自动机。用户可以以最小的代价把osworkflow整合到自己的程序中来。Osworkflow几...
故障识别基于CNN-SVM卷积神经网络结合支持向量机的数据
分
类预测研究(Matlab代码实现)
内容概要:本文系统研究了基于CNN-SVM的卷积神经网络与支持向量机融合的数据
分
类预测方法,聚焦其在工业故障识别中的应用,提供了完整的Matlab代码实现。通过CNN提取输入数据的深层空间特征,再由SVM进行高精度
分
类,充
分
发挥两者优势,有效提升了故障识别的准确性、鲁棒性与泛化能力。该方法特别适用于处理电力系统、机械设备等领域的高维、非线性、强噪声监测数据,在变压器故障诊断、轴承缺陷识别等场景中具有重要应用价值。文档还整合了机器学习、深度学习、图像处理、路径规划、电力系统优化等多个前沿科研方向的技术资源,配套大量Matlab/Simulink仿真案例与Python代码,全面支持科研复现与工程实践。; 适合人群:具备一定编程基础,熟练掌握Matlab或Python语言,从事电气工程、自动化、人工智能、机械故障诊断等相关领域研究的研发人员及高校研究生; 使用场景及目标:① 实现工业设备的状态监测与多类别故障
分
类;② 深入理解CNN与SVM融合模型的设计原理与工程实现细节;③ 借助所提供的丰富算法案例开展科研复现、模型优化与系统仿真验证; 阅读建议:建议按照文档目录结构系统化学习,结合百度网盘提供的完整代码资源进行动手实践,重点关注CNN特征提取层与SVM
分
类器之间的数据接口设计与参数调优策略,同时可延伸学习文中涉及的其他智能算法及其在电力系统、信号处理等领域的交叉应用,全面提升科研创新能力。
茶馆
551
社区成员
20,045
社区内容
发帖
与我相关
我的任务
茶馆
C++ Builder 茶馆
复制链接
扫一扫
分享
社区描述
C++ Builder 茶馆
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章