CN108595816B - 基于人工智能的电子产品建模系统及方法 - Google Patents
基于人工智能的电子产品建模系统及方法 Download PDFInfo
- Publication number
- CN108595816B CN108595816B CN201810350394.1A CN201810350394A CN108595816B CN 108595816 B CN108595816 B CN 108595816B CN 201810350394 A CN201810350394 A CN 201810350394A CN 108595816 B CN108595816 B CN 108595816B
- Authority
- CN
- China
- Prior art keywords
- modeling
- electronic product
- model
- modeled
- parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/18—Manufacturability analysis or optimisation for manufacturability
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种基于人工智能的电子产品建模系统及方法,包括接收样本模型并仿真运行所述样本模型,以生成仿真运行结果,而后分析所述样本模型及其仿真运行结果之间的内在联系,据以生成分析结果,以供后续可依据所生成的分析结果自动建立符合待建模的指标参数的电子产品模型,借此,本申请可使得电子产品模型的建立更为快速且高效,以及可以提高电子产品建模的鲁棒性。
Description
技术领域
本申请实施例涉及电子产品建模领域,尤其涉及一种基于人工智能的电子产品建模系统及方法。
背景技术
电子产品是以电能为工作基础的产品,被广泛地应用于国防、科技、民生、工业、农业等技术领域。但是,针对自动搭建电子产品模型的相关技术却鲜有研究。
现有的电子产品模型设计存在以下问题:首先,电子产品的建模作业使用的是众所周知的计算机仿真设计工具。然而,典型的产品设计流程是零散的,并且均是通过手动执行来实现的。其次,当前的电子产品建模过程主要包括接收产品外形及设计要求,在一个或多个计算机设计工具中建立模型,调整模型等步骤,在所执行的每个步骤过程中,会生成高度相关的数据。然而,目前并没有一个系统和方法能够自动学习模型设计中所产生的相关数据。
再者,由于电子产品的种类繁多,具有较高的设计门槛,因此,对于设计经验较少或者几乎没有设计经验的设计师来说,常会发生因受限于设计经验不足而导致难以展开电路设计的困扰。
发明内容
有鉴于此,本发明的主要目的在于提供一种建模效率高且更具稳健性的基于人工智能的电子产品建模系统及方法。
本申请实施例提供了一种基于人工智能的电子产品建模系统,其特征在于,包括:接收模块,用于接收样本模型;感知模块,用于仿真运行所述样本模型,以生成仿真运行结果;认知模块,用于分析所述样本模型及其所述仿真运行结果之间的内在联系,据以生成分析结果;以及建模模块,用于提供输入待建模的指标参数,并依据所述分析结果执行建模操作,以自动建立符合所述待建模的指标参数的电子产品模型。
可选地,在本申请的任一实施例中,所述接收模块用于接收不同类型的样本模型,且所述建模模块还包括融合单元,用于当分析所输入的所述待建模的指标参数来自不同类型的所述样本模型时,分别从各所述样本模型中提取符合所述待建模的指标参数的部分模型,并融合所提取的所述部分模型,以建立所述电子产品模型。
可选地,在本申请的任一实施例中,所述待建模的指标参数包括产品性能指标参数、运行环境指标参数及规格指标参数,所述认知模块还包括根据所分析的所述样本模型及其所述仿真运行结果之间的内在联系,获得所述样本模型中各电子元件的性能参数、运行环境参数及规格参数。
可选地,在本申请的任一实施例中,所述建模模块还包括依据所述分析结果生成建模规则,并基于所述建模规则建立所述电子产品模型。
可选地,在本申请的任一实施例中,所述系统还包括优化模块,用于分析所述建模模块所建立的所述电子产品模型是否符合所述待建模的指标参数,并依据分析结果不断优化所述建模模块的建模规则。
本申请还提供一种基于人工智能的电子产品建模方法,其特征在于,包括:执行感知步骤,以接收样本模型,并仿真运行所述样本模型,以生成仿真运行结果;执行认知步骤,以分析所述样本模型及所述仿真运行结果之间的内在联系,据以生成分析结果;以及执行建模步骤,以输入待建模的指标参数,并依据所述分析结果执行建模操作,以自动建立符合所述待建模的指标参数的电子产品模型。
可选地,在本申请的任一实施例中,所述感知步骤用于接收不同类型的样本模型,所述建模步骤还包括当分析所输入的所述待建模的指标参数来自不同类型的所述样本模型时,分别从各所述样本模型中提取符合所述待建模的指标参数的部分模型,并融合所提取的所述部分模型,以建立所述电子产品模型。
可选地,在本申请的任一实施例中,所述待建模的指标参数包括产品性能指标参数、运行环境指标参数及规格指标参数,所述认知步骤还包括根据所分析的所述样本模型及所述仿真运行结果之间的内在联系,获得所述样本模型中各电子元件的性能参数、运行环境参数及规格参数。
可选地,在本申请的任一实施例中,所述建模步骤依据所述认知步骤所输出的分析结果生成建模规则,并基于所述建模规则建立所述电子产品模型。
可选地,在本申请的任一实施例中,所述方法还包括执行优化步骤,通过分析所述建模步骤所建立的所述电子产品模型是否符合所述待建模的指标参数,以根据分析结果更新所述建模规则,并依据所述更新后的建模规则,重复执行所述建模步骤,以最终建立符合所述待建模的指标参数的电子产品模型。
由上可知,本申请所提供的基于人工智能的电子产品建模系统及方法,通过仿真运行样本模型并分析样本模型及其仿真运行结果之间的内在联系,以依据分析结果而生成建模规则,从而可依据所输入的待建模的指标参数,并基于所述建模规则而自动建立符合所述待建模的指标参数的电子产品模型,借此,不仅能够自动化建模,且能够减少模型设计和实现过程中存在的风险以及不确定性。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本申请实施例的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解,这些附图未必是按比例绘制的。附图中:
图1是根据本申请的一实施例所示的基于人工智能的电子产品建模系统的基本架构示意图;
图2是显示图1的基于人工智能的电子产品建模系统的不同实施例示意图;以及
图3是根据本申请的另一实施例所示的基于人工智能的电子产品建模方法的基本流程示意图。
具体实施方式
实施本发明实施例的任一技术方案必不一定需要同时达到以上的所有优点。
为了使本领域的人员更好地理解本发明实施例中的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明实施例一部分实施例,而不是全部的实施例。基于本发明实施例中的实施例,本领域普通技术人员所获得的所有其他实施例,都应当属于本发明实施例保护的范围。
下面结合本发明实施例附图进一步说明本发明实施例具体实现。
图1是根据本申请的一实施例所示的基于人工智能的电子产品建模系统的基本架构示意图。如图所示,本申请的基于人工智能的电子产品建模系统10主要包括接收模块11、感知模块12、认知模块13、以及建模模块14。
接收模块11用于接收样本模型。于本实施例中,接收模块11可用于接收不同类型的样本模型,例如通过将不同类型的电子产品数据输入已知的建模工具而得到多个不同类型的电子产品模型。
感知模块12用于仿真运行所接收的样本模型,以生成相应的仿真运行结果。
认知模块13用于分析样本模型及其仿真运行结果之间的内在联系,据以生成分析结果。具体而言,认知模块13可接收来自样本模型的各种信号,以分析样本模型及其仿真运行结果之间的内在联系。于本实施例中,电路设计人员所输入的待建模的指标参数包括产品性能指标参数、运行环境指标参数及规格指标参数,认知模块13可根据所分析的样本模型及其仿真运行结果之间的内在联系,获得样本模型中各电子元件的性能参数、运行环境参数及规格参数。借此,本申请的认知模块13可对样本模型的本质进行分析并理解,而不再是单纯、机械的作出判断。
建模模块14用于提供电路设计人员输入待建模的指标参数,并依据认知模块13的分析结果执行建模操作,以自动生成符合待建模的指标参数的电子产品模型。于本实施例中,建模模块14可依据认知模块13输出的分析结果而生成建模规则,并基于所生成的建模规则而自动建立电子产品模型。
图2是显示图1的基于人工智能的电子产品建模系统的不同实施例示意图。
于另一实施例中,本申请的建模模块14还具有融合单元141,如上所述,本申请的接收模块11可接收不同类型的样本模型,因此,当分析电路设计人员所输入的待建模的指标参数中包含了不同类型的样本模型时,融合单元141可分别从各样本模型中分别提取符合待建模的指标参数的部分模型,并融合所提取的各个部分模型,从而建立完全符合待建模的指标参数的电子产品模型。
于另一实施例中,本申请的基于人工智能的电子产品建模系统10还包括有优化模块15,其用于分析建模模块14所建立的电子产品模型是否符合电路设计人员所述的待建模的指标参数,并依据分析结果不断优化建模模块14的建模规则。例如,优化模块15用于分析建模模块14所建立的电子产品模型是否符合电路设计人员所述的待建模的指标参数,当判断结果为不符合时,则进一步分析建模模块14当前所建立的电子产品模型的仿真运行结果是否较前一次所建立的电子产品模型更为接近待建模的指标参数,若判断结果为是,则输出一正向反馈信号,反之,则输出负向反馈信号,并依据所述的正向反馈信号或负向反馈信号而更新建模模块14的建模规则,以借由优化模块15与建模模块14之间的交互,使得建模模块14生成最优化的建模规则。
图3是根据本申请的另一实施例所示的基于人工智能的电子产品建模方法的基本流程示意图。如图所示,首先进行步骤S31的感知步骤,以接收样本模型,并仿真运行所述样本模型,以生成仿真运行结果,接着进行步骤S32。
步骤S32,执行认知步骤以分析所述样本模型及所述仿真运行结果之间的内在联系,据以生成分析结果,接着进行步骤S33。具体而言,本申请的认知步骤可根据所分析的样本模型及仿真运行结果之间的内在联系,获得样本模型中各电子元件的性能参数、运行环境参数及规格参数。
步骤S33,执行建模步骤,以输入待建模的指标参数,并依据步骤S32所生成的分析结果执行建模操作,以自动建立符合待建模的指标参数的电子产品模型。于本实施例中,前述建模步骤可依据前述认知步骤所输出的分析结果,而生成相应的建模规则,并基于所生成的建模规则,自动建立符合待建模的指标参数的电子产品模型。再者,于建模步骤中所输入的待建模的指标参数可包括产品性能指标参数、运行环境指标参数及规格指标参数。
此外,于其他实施例中,本申请在执行感知步骤的过程中,可接收不同类型的样本模型,例如通过将不同类型的电子产品数据输入已知的建模工具而得到多个不同类型的电子产品模型。有鉴于此,本申请所执行的建模步骤还可包括当分析所输入的待建模的指标参数来自不同类型的所述样本模型时,分别从各样本模型中提取符合待建模的指标参数的部分模型,并融合所提取的各个部分模型,以最终建立完全符合待建模的指标参数的电子产品模型。
再者,于又一实施例中,本申请的方法还包括执行优化步骤,通过分析所述建模步骤所建立的电子产品模型是否符合所述待建模的指标参数,以根据分析结果更新建模规则,并依据更新后的建模规则,重复执行步骤S33,从而最终建立符合待建模的指标参数的电子产品模型。
具体而言,优化步骤通过分析所建立的电子产品模型是否符合电路设计人员所述的待建模的指标参数,当判断结果为不符合时,则进一步分析当前所建立的电子产品模型的仿真运行结果是否较前一次所建立的电子产品模型更为接近待建模的指标参数,若判断为是,则输出一正向反馈信号,反之则输出负向反馈信号,并依据所输出的正向反馈信号或负向反馈信号而更新建模规则,从而生成最优化的建模规则,并最终建立符合待建模的指标参数的电子产品模型。
综上所述,本申请的基于人工智能的电子产品建模系统及方法,利用人工智能协同电子产品模型生成设计框架,不仅能够实现自动化建模的技术功效,且本申请旨在减少与模型设计相关的决策过程中的复杂性,以利用人工智能方法将多种多样的决策归纳为多个一般化的、同质性的决策,因此,能够减少模型设计和实现过程中存在的风险和不确定性。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,所述计算机可读记录介质包括用于以计算机(例如计算机)可读的形式存储或传送信息的任何机制。例如,机器可读介质包括只读存储器(ROM)、随机存取存储器(RAM)、磁盘存储介质、光存储介质、闪速存储介质、电、光、声或其他形式的传播信号(例如,载波、红外信号、数字信号等)等,该计算机软件产品包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请实施例的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
本领域的技术人员应明白,本发明实施例的实施例可提供为方法、装置(设备)、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、装置(设备)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
Claims (8)
1.一种基于人工智能的电子产品建模系统,其特征在于,包括:
接收模块,用于接收不同类型的多个样本模型;
感知模块,用于仿真运行各所述样本模型,以生成各所述样本模型对应的各仿真运行结果;
认知模块,用于分析各所述样本模型各自包含的电子元件,并根据各所述样本模型中的各所述电子元件以及各所述样本模型对应的各所述仿真运行结果,获得各所述样本模型中各所述电子元件的性能参数、运行环境参数及规格参数的分析结果;以及
建模模块,用于提供输入待建模的指标参数,并依据所述分析结果执行建模操作,以分别从各所述样本模型中提取符合所述待建模的指标参数的部分模型,并融合所提取的所述部分模型,以建立符合所述待建模的指标参数的电子产品模型。
2.根据权利要求1所述的基于人工智能的电子产品建模系统,其特征在于,所述待建模的指标参数包括产品性能指标参数、运行环境指标参数及规格指标参数。
3.根据权利要求1所述的基于人工智能的电子产品建模系统,其特征在于,所述建模模块还包括依据所述分析结果生成建模规则,并基于所述建模规则建立所述电子产品模型。
4.根据权利要求3所述的基于人工智能的电子产品建模系统,其特征在于,所述系统还包括优化模块,用于分析所述建模模块所建立的所述电子产品模型是否符合所述待建模的指标参数,并依据分析结果不断优化所述建模模块的建模规则。
5.一种基于人工智能的电子产品建模方法,其特征在于,包括:
执行感知步骤,以接收不同类型的多个样本模型,并仿真运行各所述样本模型,以生成各所述样本模型对应的各仿真运行结果;
执行认知步骤,以分析各所述样本模型各自包含的电子元件,并根据各所述样本模型中的各所述电子元件以及各所述样本模型对应的各所述仿真运行结果,获得各所述样本模型中各所述电子元件的性能参数、运行环境参数及规格参数的分析结果;以及
执行建模步骤,以输入待建模的指标参数,并依据所述分析结果执行建模操作,以分别从各所述样本模型中提取符合所述待建模的指标参数的部分模型,并融合所提取的所述部分模型,以建立符合所述待建模的指标参数的电子产品模型。
6.根据权利要求5所述的基于人工智能的电子产品建模方法,其特征在于,所述待建模的指标参数包括产品性能指标参数、运行环境指标参数及规格指标参数。
7.根据权利要求5所述的基于人工智能的电子产品建模方法,其特征在于,所述建模步骤依据所述认知步骤所输出的分析结果生成建模规则,并基于所述建模规则建立所述电子产品模型。
8.根据权利要求7所述的基于人工智能的电子产品建模方法,其特征在于,所述方法还包括执行优化步骤,通过分析所述建模步骤所建立的所述电子产品模型是否符合所述待建模的指标参数,以根据分析结果更新所述建模规则,并依据所述更新后的建模规则,重复执行所述建模步骤,以最终建立符合所述待建模的指标参数的电子产品模型。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810350394.1A CN108595816B (zh) | 2018-04-18 | 2018-04-18 | 基于人工智能的电子产品建模系统及方法 |
PCT/CN2018/085639 WO2019200625A1 (zh) | 2018-04-18 | 2018-05-04 | 基于人工智能的电子产品建模系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810350394.1A CN108595816B (zh) | 2018-04-18 | 2018-04-18 | 基于人工智能的电子产品建模系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108595816A CN108595816A (zh) | 2018-09-28 |
CN108595816B true CN108595816B (zh) | 2021-05-28 |
Family
ID=63611154
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810350394.1A Active CN108595816B (zh) | 2018-04-18 | 2018-04-18 | 基于人工智能的电子产品建模系统及方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108595816B (zh) |
WO (1) | WO2019200625A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102656090B1 (ko) * | 2021-12-29 | 2024-04-11 | 주식회사 커넥트시스템 | 인공지능 모델 통합 관리 및 배포 시스템과 그 방법 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279824A (zh) * | 2013-05-22 | 2013-09-04 | 国家电网公司 | 一种继电保护整定计算系统的建模方法 |
CN106126838A (zh) * | 2016-06-28 | 2016-11-16 | 合肥工业大学 | 一种徽州建筑智能营造系统 |
CN107133416A (zh) * | 2017-05-24 | 2017-09-05 | 西北工业大学 | 一种uuv多层次混杂式免疫智能体结构建模方法 |
CN107479368A (zh) * | 2017-06-30 | 2017-12-15 | 北京百度网讯科技有限公司 | 一种基于人工智能的训练无人机控制模型的方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105787558B (zh) * | 2016-04-11 | 2018-07-06 | 江苏科技大学 | 基于ads的知识神经网络微带滤波器设计方法 |
US20170357910A1 (en) * | 2016-06-10 | 2017-12-14 | Apple Inc. | System for iteratively training an artificial intelligence using cloud-based metrics |
-
2018
- 2018-04-18 CN CN201810350394.1A patent/CN108595816B/zh active Active
- 2018-05-04 WO PCT/CN2018/085639 patent/WO2019200625A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279824A (zh) * | 2013-05-22 | 2013-09-04 | 国家电网公司 | 一种继电保护整定计算系统的建模方法 |
CN106126838A (zh) * | 2016-06-28 | 2016-11-16 | 合肥工业大学 | 一种徽州建筑智能营造系统 |
CN107133416A (zh) * | 2017-05-24 | 2017-09-05 | 西北工业大学 | 一种uuv多层次混杂式免疫智能体结构建模方法 |
CN107479368A (zh) * | 2017-06-30 | 2017-12-15 | 北京百度网讯科技有限公司 | 一种基于人工智能的训练无人机控制模型的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2019200625A1 (zh) | 2019-10-24 |
CN108595816A (zh) | 2018-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3846034B1 (en) | Systems and methods for automated testing using artificial intelligence techniques | |
CN108595815B (zh) | 人工智能体训练系统及无源电路优化设计系统及方法 | |
CN109344969B (zh) | 神经网络系统及其训练方法以及计算机可读介质 | |
CN108280173A (zh) | 一种非结构化文本的关键信息挖掘方法、介质及设备 | |
CN113010683A (zh) | 基于改进图注意力网络的实体关系识别方法及系统 | |
CN113506082A (zh) | 一种基于vr的数字化工厂生产线的监管方法及系统 | |
CN114239536B (zh) | 一种事件抽取方法、系统及计算机可读存储介质 | |
CN109255148B (zh) | 力学产品设计方法及其系统 | |
CN108595816B (zh) | 基于人工智能的电子产品建模系统及方法 | |
CN115562721A (zh) | 一种从汇编语言中挖掘特征的克隆代码检测方法及系统 | |
CN112949711B (zh) | 面向软件定义卫星的神经网络模型可复用训练方法、装置 | |
CN117574721A (zh) | 一种工艺参数概率模型优化方法 | |
CN110688368B (zh) | 一种构件行为模型挖掘方法与装置 | |
CN111832610A (zh) | 一种3d打印组织预测的方法、系统、介质以及终端设备 | |
CN114780967B (zh) | 基于大数据漏洞挖掘的挖掘评估方法及ai漏洞挖掘系统 | |
CN112633516B (zh) | 性能预测和机器学习编译优化方法及装置 | |
CN114978765A (zh) | 服务于信息攻击防御的大数据处理方法及ai攻击防御系统 | |
CN111626401B (zh) | 运算方法及装置 | |
CN113377962A (zh) | 一种基于图像识别和自然语言处理的智能过程模拟方法 | |
CN112948251A (zh) | 软件自动测试方法及装置 | |
CN112346916A (zh) | 测试方法、装置及相关产品 | |
KR102272084B1 (ko) | 환경 변화 예측 시스템 및 환경 변화 예측 방법 | |
CN111291464A (zh) | 一种电力系统动态等值方法及装置 | |
Bassano et al. | Marked Regulatory Graphs: A formal framework to simulate Biological Regulatory Networks with simple automata | |
CN117786705B (zh) | 一种基于异构图变换网络的语句级漏洞检测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |