CN112508201A - 一种基于Acitivti 7.0的人工智能通用训练方法及系统 - Google Patents
一种基于Acitivti 7.0的人工智能通用训练方法及系统 Download PDFInfo
- Publication number
- CN112508201A CN112508201A CN202011599627.5A CN202011599627A CN112508201A CN 112508201 A CN112508201 A CN 112508201A CN 202011599627 A CN202011599627 A CN 202011599627A CN 112508201 A CN112508201 A CN 112508201A
- Authority
- CN
- China
- Prior art keywords
- artificial intelligence
- service
- activiti
- module
- micro
- 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.)
- Pending
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000012549 training Methods 0.000 title claims abstract description 57
- 230000000694 effects Effects 0.000 claims abstract description 37
- 238000011161 development Methods 0.000 claims abstract description 27
- 230000010354 integration Effects 0.000 claims abstract description 17
- 230000008676 import Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/34—Graphical or visual programming
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Stored Programmes (AREA)
Abstract
本发明公开了一种基于Acitivti 7.0的人工智能通用训练方法,该方法包括:将优选的人工智能及其他算法以微服务的形式部署在客户服务器中;在服务器中部署Activiti 7.0框架,完成与系统微服务间的集成;对Activiti 7.0中的节点进行初始化定义,对用户群组进行设置分配;根据训练流程绘制Activiti BPM流程图,通过引擎实现对业务流程的管理和服务的代码开发;依据当前任务,选择最合适的流程图进行人工智能运用的无代码部署。本方法将Activiti 7.0框架与人工智能几其他微服务共同部署,在完成Activiti 7.0节点初始化后,通过拖拽绘制流程图,可实现人工智能运用的快速低代码开发,避免传统开发流程漫长的开发部署过程;通过BPM建模,可使流程得到有效的监管,可实现人工智能模块的协同训练。
Description
技术领域
本发明涉及人工智能领域,尤其涉及基于Acitivti 7.0的人工智能通用训练方法及系统。
背景技术
随着计算机科学技术的快速发展,人工智能已经成为当前最为热门的学科,很多研究所和公司都在开发自己的人工智能算法,实现在图像识别,语音识别,知识工程,机器学习等领域的突破。
然而目前,市场上没有任何一个人工智能的通用训练平台,帮助实现不同领域人工智能模块快速开发,同时完成不停机高速迭代的需求。本平台基于Activiti 7.0引擎,不同的人工智能算法以微服务的形式集成在基于Acitivti 7.0的人工智能通用训练平台中,用户可根据自己的实际需求对流程进行规划,满足在不同任务(图像识别,语音识别,知识工程等)下,低代码的实现机器学习及结果展示分析的全程自动开发,大大减少了研发成本,提升了开发效率。同时,本品台也提供一套定制化界面,满足用户在此界面完成对业务流程的建模和业务使用初期对算法的训练。目前基于Activiti的专利有一种基于Activiti的业务事件与流程分离方法及系统 (CN201710178569.0)等。
传统的解决方法有以下缺点:
1.现存市场无商业化的人工智能通用平台,实现不同人工智能算法及模块的集成,不同业务场景(图像识别,NLP,知识工程等)需要开发多套人工智能系统系统;
2.现有人工智能系统无法根据需求实现不停机迭代;
3.普遍来看,目前人工智能软件产品迭代速率快,运维成本高,无法实现低代码开发与运维;
4.需要在不同的平台实现对不同人工智能模块的训练。
发明内容
本发明所要解决的技术问题是提供一种基于Acitivti 7.0的人工智能通用训练方法以解决上述缺陷。
为解决上述技术问题,根据本发明的一个方面,提供一种基于Acitivti 7.0的人工智能通用训练方法,该方法包括:
S101,将优选的人工智能及其他算法以微服务的形式部署在客户服务器中;
S102,在客户环境中部署Activiti 7.0框架,完成与系统微服务间的集成;
S103,对Activiti 7.0中的节点进行初始化定义,对用户群组进行设置分配;
S104, 根据训练流程绘制Activiti BPM流程图,通过引擎实现对业务流程的管理和服务的低代码开发;
S105,依据当前任务,选择最合适的流程图进行人工智能运用的无代码部署。
其进一步技术方案为:所述步骤S101还包括有: 若集成的微服务不能满足需求,则导入新的微服务以满足最新需求。
其进一步技术方案为:所述步骤S102还包括有: 若集成的微服务不再需要,则删除该微服务。
其进一步技术方案为:所述步骤S103还包括有: 若现有节点不能满足当前流程图建模,则初始化新的节点或修改现有节点。
其进一步技术方案为:所述步骤S103还包括有: 若有冗余的节点,则将该节点删除。
其进一步技术方案为:所述步骤S104还包括有: 若训练流程或需求存在变更,则通过Activiti BPM流程图的重新建模可实现系统的低代码更新。
其进一步技术方案为:所述步骤S105还包括有: 若有冗余的流程图,其不能满足现有和后续的任务,则将其删除。
为解决上述技术问题,根据本发明的另一个方面,提供一种基于Acitivti 7.0的人工智能通用训练系统,该系统包括:一微服务导入模块、一服务集成模块、一节点设置模块、一流程建模模块、一任务管理模块;其中:所述微服务导入模块,用于将优选的人工智能及其他算法以微服务的形式部署在客户服务器中;所述服务集成模块,用于在客户环境中部署Activiti 7.0框架,完成与系统微服务间的集成;所述节点设置模块,用于对Activiti7.0中的节点进行初始化定义,对用户群组进行设置分配;所述流程建模模块,用于根据训练流程绘制Activiti BPM流程图,通过引擎实现对业务流程的管理和服务的低代码开发;所述任务管理模块,用于依据当前任务,选择最合适的流程图进行人工智能运用的无代码部署。
其进一步技术方案为:所述微服务导入模块还用于:若集成的微服务不能满足需求,则导入新的微服务以满足最新需求。
其进一步技术方案为:所述服务集成模块还用于:若集成的微服务不再需要,则删除该微服务。
其进一步技术方案为:所述节点设置模块还用于:若现有节点不能满足当前流程图建模,则初始化新的节点或修改现有节点。
其进一步技术方案为:所述节点设置模块还用于:若有冗余的节点,则将该节点删除。
其进一步技术方案为:所述流程建模模块还用于:若业务流程或需求存在变更,则通过Activiti BPM流程图的重新建模可实现系统的低代码更新。
其进一步技术方案为:所述任务管理模块还用于:若有冗余的流程图,其不能满足现有和后续的任务,则将其删除。
本发明的有益效果:与现有技术相比,本发明提供了一个可部署在用户指定的环境(本地局域网到公有云)的人工智能通用训练平台,满足用户实现人工智能算法/模块“即插即用”和快速不停机迭代开发的需求,完成人工智能模块的协同训练;结合Activiti 7.0引擎,在对人工智能训练流程进行建模管理的同时,实现人工智能运用的低代码开发,大大减少了开发和运维的时间成本。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明。本发明的具体实施方式由以下实施例及其附图详细给出。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明基于Acitivti 7.0的人工智能通用训练方法一实施例的流程图;
图2是本发明基于Acitivti 7.0的人工智能通用训练系统一实施例的结构框图。
具体实施方式
下面结合附图对本发明作进一步的描述:
图1展示了本发明的基于Acitivti 7.0的人工智能通用训练方法一实施例的流程图,如图1所示,该方法包括:
S101,将优选的人工智能及其他算法以微服务的形式部署在客户服务器中。
该步骤中,使用者可以根据自己的需求,选择最适合自己业务场景的人工智能及其他算法,并将这些算法以微服务的形式导入到使用者服务器中。
S102,在客户环境中部署Activiti 7.0框架,完成与系统微服务间的集成。
Activiti 7.0框架可以帮助使用者对人工智能相关流程和人工智能任务涉及的微服务进行灵活的管理;相较于现有的人工智能训练系统,基于Activiti 7.0的训练系统具有更好的灵活性和便捷性,使用者可以通过简单的拖拽实现人工智能运用的低代码开发。
S103,对Activiti 7.0中的节点进行初始化定义,对用户群组进行设置分配。
该步骤中,系统将根据具体的业务需求及不同岗位上,将用户群体分为不同的群组,以对用户岗位的权限做好分配管理;同时,对不同的人工智能训练任务使用WBS(WorkBreakdownStructure)进行任务的分解,并将每一个小任务将作为一个节点,对节点进行初始化;节点的初始化主要分为3部,第一步需要将节点与该小人物相关的微服务进行关联,第二步使与该小任务所包含的群组与节点进行联合,第三步是在必要时设置好该节点的输入输出文件;初始化节点的方法主要分为2个:方法一是针对比较常见的小任务,可以通过节点设置窗口进行直接的初始化,这种方法非常简单,可以有效的避免非专业人事书写繁杂的代码;方法二主要针对客户定制化节点开发,需要书写代码,对以上提到的三步进行开发,开发结束后,可生成一套针对类似节点的初始化模版,以节约后续开发成本,增加系统的效率。
S104, 根据训练流程绘制Activiti BPM流程图,通过引擎实现对业务流程的管理和服务的低代码开发。
该步骤中,使用者可以初步拟定其工作任务中涉及的人工智能训练流程,并通过节点拖拽的方式绘制出具体任务的流程图;通过流程图的绘制,不仅完成了对流程的规范,同时也完成了对该任务人工智能训练工具的无代码开发。
S105,依据当前任务,选择最合适的流程图进行人工智能运用的无代码部署。
该步骤中,使用者需要选择并激活当前任务的流程图,Activiti 7.0引擎依据流程中节点将所涉及到的微服务进行部署,实现了人工智能服务的快速运行与使用。
本流程实施结束后,说明使用者的人工智能训练任务完成,所有微服务自动关闭,本任务使用的流程图可以在接下来的任务中重复使用。
所述步骤S101还包括有: 若集成的微服务不能满足需求,则导入新的微服务以满足最新需求;本方法中添加微服务,对其他与此次添加的微服务无关联的微服务没有任何影响。
所述步骤S102还包括有: 若集成的微服务不再需要,则删除该微服务。本方法中删除的微服务,对其他与此次微服务无关联的微服务的后续使用没有任何影响。
所述步骤S103还包括有: 若现有节点不能满足当前流程图建模,则初始化新的节点或修改现有节点;此方法可以保证节点使用的灵活性,避免不比较的数据冗余。
所述步骤S103还包括有: 若有冗余的节点,则将该节点删除。
所述步骤S104还包括有: 若训练流程或需求存在变更,则通过Activiti BPM流程图的重新建模可实现系统的低代码更新;此方法可以有效的提高人工智能服务的更新效率,结合微服务的管理编排平台,可实现服务的不停机快速更新。
所述步骤S105还包括有: 若有冗余的流程图,其不能满足现有和后续的任务,则将其删除。此方法可以有效的降低系统的冗余。
可理解的,本方法将传统的人工智能训练的流程进行了改变,使得整个流程的效率提到很好的提升,开发成本得到了更好的控制。首先,此方法将人工智能等算法以微服务的形式进行部署,有效提高了计算机(服务器)的管理效率,为后续的灵活性打下基础;使用Activiti 7.0框架可以有效的对集成的微服务与使用者的业务流程进行有效的关联,用户可在管理自身任务流程的同时,完成了对相关人工智能训练工具的开发,正常情况下整个过程并不需要书写代码,这可让没有任何代码基础的工程师完成人工智能训练工具的开发;此外,使用者可以通过此方法对节点做到有效的设置,使用节点设置模版可以大大减少开发节点的时间,可以让使用者根据实际业务现状,对业务场景对新节点进行初始化,对现有节点进行修改,进而提升训练方法的灵活度。
图2展示了本发明的基于Acitivti 7.0的人工智能通用训练系统一实例的结构图,该系统包括:一微服务导入模块、一服务集成模块、一节点设置模块、一流程建模模块、一任务管理模块。
所述微服务导入模块,用于将优选的人工智能及其他算法以微服务的形式部署在客户服务器中;所述服务集成模块,用于在客户环境中部署Activiti 7.0框架,完成与系统微服务间的集成;所述节点设置模块,用于对Activiti 7.0中的节点进行初始化定义,对用户群组进行设置分配;所述流程建模模块,用于根据训练流程绘制Activiti BPM流程图,通过引擎实现对业务流程的管理和服务的低代码开发;所述任务管理模块,用于依据当前任务,选择最合适的流程图进行人工智能运用的无代码部署。
在某些实施例,例如本实施例中,所述微服务导入模块还用于:若集成的微服务不能满足需求,则导入新的微服务以满足最新需求;所述服务集成模块还用于:若集成的微服务不再需要,则删除该微服务;所述节点设置模块还用于:若现有节点不能满足当前流程图建模,则初始化新的节点或修改现有节点;所述节点设置模块还用于:若有冗余的节点,则将该节点删除;所述流程建模模块还用于:若业务流程或需求存在变更,则通过ActivitiBPM流程图的重新建模可实现系统的低代码更新;所述任务管理模块还用于:若有冗余的流程图,其不能满足现有和后续的任务,则将其删除。
本系统提供一套易用的界面系统,帮助用户完成人工智能训练全流程管理,通过基于C/S或B/S构架系统,允许多个用户、不同流程的进程并发开展,用户可根据不同用户组的任务对不同的业务流程进行建模,在同一时间,平台允许用户并发实现模型的训练及分析结果。实现人工智能训练的便捷化和灵活化。
综上所述,本发明提供了一种基于Acitivti 7.0的人工智能通用训练方法及系统,有效的帮组了开发人员提高开发人工智能训练工具的效率;同时也帮助系统的实际使用者更好的对训练流程进行可视化建模,并且借助Activiti 7.0引擎有效的管理整个任务流程。此发明大大降低了人工智能训练工具的开发成本,并且有效提高了训练效果。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (14)
1.基于Acitivti 7.0的人工智能通用训练方法,其特征在于,所述基于Acitivti 7.0的人工智能通用训练方法包含:
S101,将优选的人工智能及其他算法以微服务的形式部署在客户服务器中;
S102,在客户环境中部署Activiti 7.0框架,完成与系统微服务间的集成;
S103,对Activiti 7.0中的节点进行初始化定义,对用户群组进行设置分配;
S104,根据训练流程绘制Activiti BPM流程图,通过引擎实现对业务流程的管理和服务的低代码开发;
S105,依据当前任务,选择最合适的流程图进行人工智能运用的无代码部署。
2.如权利要求1所述的基于Acitivti 7.0的人工智能通用训练方法,其特征在于,所述步骤S101还包括有:若集成的微服务不能满足需求,则导入新的微服务以满足最新需求。
3.如权利要求1所述的基于Acitivti 7.0的人工智能通用训练方法,其特征在于,所述步骤S102还包括有:若集成的微服务不再需要,则删除该微服务。
4.如权利要求1所述的基于Acitivti 7.0的人工智能通用训练方法,其特征在于,所述步骤S103还包括有:若现有节点不能满足当前流程图建模,则初始化新的节点或修改现有节点。
5.如权利要求1所述的基于Acitivti 7.0的人工智能通用训练方法,其特征在于,所述步骤S103还包括有:若有冗余的节点,则将该节点删除。
6.如权利要求1所述的基于Acitivti 7.0的人工智能通用训练方法,其特征在于,所述步骤S104还包括有:若业务流程或需求存在变更,则通过Activiti BPM流程图的重新建模可实现系统的低代码更新。
7.如权利要求1所述的基于Acitivti 7.0的人工智能通用训练方法,其特征在于,所述步骤S105还包括有:若有冗余的流程图,其不能满足现有和后续的任务,则将其删除。
8.一种基于Acitivti 7.0的人工智能通用训练平台,其特征在于:包括一微服务导入模块、一服务集成模块、一节点设置模块、一流程建模模块、一任务管理模块;其中:
所述微服务导入模块,用于将优选的人工智能及其他算法以微服务的形式部署在客户服务器中;
所述服务集成模块,用于在客户环境中部署Activiti 7.0框架,完成与系统微服务间的集成;
所述节点设置模块,用于对Activiti 7.0中的节点进行初始化定义,对用户群组进行设置分配;
所述流程建模模块,用于根据训练流程绘制Activiti BPM流程图,通过引擎实现对业务流程的管理和服务的低代码开发;
所述任务管理模块,用于依据当前任务,选择最合适的流程图进行人工智能运用的无代码部署。
9.如权利要求8所述的一种基于Acitivti 7.0的人工智能通用训练平台,其特征在于,所述微服务导入模块还用于:若集成的微服务不能满足需求,则导入新的微服务以满足最新需求。
10.如权利要求8所述的一种基于Acitivti 7.0的人工智能通用训练平台,其特征在于,所述服务集成模块还用于:若集成的微服务不再需要,则删除该微服务。
11.如权利要求8所述的一种基于Acitivti 7.0的人工智能通用训练平台,其特征在于,所述节点设置模块还用于:若现有节点不能满足当前流程图建模,则初始化新的节点或修改现有节点。
12.如权利要求8所述的一种基于Acitivti 7.0的人工智能通用训练平台,其特征在于,所述节点设置模块还用于:若有冗余的节点,则将该节点删除。
13.如权利要求8所述的一种基于Acitivti 7.0的人工智能通用训练平台,其特征在于,所述流程建模模块还用于:若业务流程或需求存在变更,则通过Activiti BPM流程图的重新建模可实现系统的低代码更新。
14.如权利要求8所述的一种基于Acitivti 7.0的人工智能通用训练平台,其特征在于,所述任务管理模块还用于:若有冗余的流程图,其不能满足现有和后续的任务,则将其删除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011599627.5A CN112508201A (zh) | 2020-12-30 | 2020-12-30 | 一种基于Acitivti 7.0的人工智能通用训练方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011599627.5A CN112508201A (zh) | 2020-12-30 | 2020-12-30 | 一种基于Acitivti 7.0的人工智能通用训练方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112508201A true CN112508201A (zh) | 2021-03-16 |
Family
ID=74952016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011599627.5A Pending CN112508201A (zh) | 2020-12-30 | 2020-12-30 | 一种基于Acitivti 7.0的人工智能通用训练方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112508201A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113313170A (zh) * | 2021-05-28 | 2021-08-27 | 中国人民解放军战略支援部队航天工程大学 | 基于人工智能的全时全域训练大数据平台 |
CN114385150A (zh) * | 2021-09-18 | 2022-04-22 | 北京能科瑞元数字技术有限公司 | 基于智能引擎的低代码开发方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106325887A (zh) * | 2016-09-19 | 2017-01-11 | 深圳市彬讯科技有限公司 | 一种基于Activiti的业务流程管理方法 |
-
2020
- 2020-12-30 CN CN202011599627.5A patent/CN112508201A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106325887A (zh) * | 2016-09-19 | 2017-01-11 | 深圳市彬讯科技有限公司 | 一种基于Activiti的业务流程管理方法 |
Non-Patent Citations (2)
Title |
---|
高可用架构: "人工智能应用微服务化:从模型到线上系统搭建的最佳实践", 《CSDN》, 11 May 2017 (2017-05-11), pages 1 - 9 * |
黑马程序员: "Activiti7基础,最新工作流引擎Activiti7简介与环境搭建", 《知乎》, 15 December 2020 (2020-12-15), pages 1 - 40 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113313170A (zh) * | 2021-05-28 | 2021-08-27 | 中国人民解放军战略支援部队航天工程大学 | 基于人工智能的全时全域训练大数据平台 |
CN113313170B (zh) * | 2021-05-28 | 2024-02-27 | 中国人民解放军战略支援部队航天工程大学 | 基于人工智能的全时全域训练大数据平台 |
CN114385150A (zh) * | 2021-09-18 | 2022-04-22 | 北京能科瑞元数字技术有限公司 | 基于智能引擎的低代码开发方法 |
CN114385150B (zh) * | 2021-09-18 | 2022-09-02 | 北京能科瑞元数字技术有限公司 | 基于智能引擎的低代码开发方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2016091038A1 (zh) | 高速列车快速设计方法及系统 | |
CN112508201A (zh) | 一种基于Acitivti 7.0的人工智能通用训练方法及系统 | |
CN110147225A (zh) | 一种代码生成方法、装置及计算机设备、存储介质 | |
CN108462746A (zh) | 一种基于openstack的容器部署方法及架构 | |
CN104915245B (zh) | 实现仿真系统与实际功能系统统一运行的集成系统及方法 | |
CN101082970A (zh) | 政务审批工作流引擎系统的实现方法 | |
CN109670686A (zh) | 构建业务流程模板的方法、设备及业务流程管理系统 | |
WO2001001206A3 (en) | System dynamics model builder and simulator | |
US20070220451A1 (en) | Method for modeling and documenting a network | |
CN102662650A (zh) | 一种基于动态业务流程引擎实现方法和系统 | |
CN104408573A (zh) | 一种基于业务模式的异构业务流程整合方法 | |
US7899768B2 (en) | Methods and systems for constructing a scalable hierarchical feed-forward model for fabricating a product | |
US20170139684A1 (en) | General modeling method to construct system models based on a system meta model | |
CN107832042A (zh) | 一种基于嵌入式软件开发方法 | |
CN104166581B (zh) | 一种面向增量制造设备的虚拟化方法 | |
ITMI941005A1 (it) | Metodo per creare specifici sistemi di programma ed apparecchiature per facilitare il lavoro di realizzazione di un sistema di programma | |
CN116661766A (zh) | 一种基于人工智能的软件低代码开发方法 | |
CN107766033A (zh) | 一种基于问题框架的敏捷需求拆分方法 | |
Bogdanovych et al. | A methodology for developing multiagent systems as 3d electronic institutions | |
CN114611401A (zh) | 多层级复杂业务智能仿真方法与系统 | |
Fang et al. | Using object oriented analysis design workflow engine for manufacturing industry in IoT | |
CN115660245A (zh) | 业务编排方法及装置、电子设备、存储介质 | |
CN112486474A (zh) | 一种基于mxgraph和activiti技术的可视化工作流配置平台的制作方法 | |
CN109657958A (zh) | 数字化信息系统的建模方法及数字化信息系统 | |
CN109725886A (zh) | 一种医疗软件系统及方法 |
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 |