在一些修船企业建立的修船结算系统和电子价格库中,人工匹配结算编码步骤易出错且耗时长,直接影响结算效率。为解决该问题,提出一种基于多特征融合的修船结算编码智能匹配复合模型。采用来自变换器的双向编码器表示(Bidirectional Encod...在一些修船企业建立的修船结算系统和电子价格库中,人工匹配结算编码步骤易出错且耗时长,直接影响结算效率。为解决该问题,提出一种基于多特征融合的修船结算编码智能匹配复合模型。采用来自变换器的双向编码器表示(Bidirectional Encoder Representations from Transformers,BERT)模型将工程内容文本表示为词向量,采用卷积神经网络(Convolutional Neural Network,CNN)模型提取文本的局部特征,采用双向长短期记忆网络结合注意力机制(Bidirectional Long Short-Term Memory with Attention Mechanism,BiLSTM-Attention)模型提取上下文特征,得到对应的结算编码。试验结果表明,所提出的复合模型在整体准确率方面实现显著提升,充分证明该复合模型在处理复杂文本分类任务中的优势。展开更多
大语言模型(LLM)在软件工程中的应用日益广泛,但目前自动化代码生成研究主要集中于通用功能代码,缺乏针对嵌入式系统特殊需求的有效解决方案。提出了RD2ESC(requirements documents to embedded system code)方法,通过基于提示词的微调...大语言模型(LLM)在软件工程中的应用日益广泛,但目前自动化代码生成研究主要集中于通用功能代码,缺乏针对嵌入式系统特殊需求的有效解决方案。提出了RD2ESC(requirements documents to embedded system code)方法,通过基于提示词的微调技术使LLM能够理解嵌入式代码与需求文档之间的复杂关系,并构建了多智能体协同的代码生成框架,能够利用需求文档和参考代码快速生成高质量的嵌入式代码。实验结果表明,RD2ESC相比GPT-4o基线模型在Pass@1指标上从0.15提升至0.71,测试通过率达到0.75,编译通过率达到0.95;敏感性分析显示该方法对参考代码质量存在一定依赖性,在10%~50%扰动条件下Pass@1从0.68降至0.47,完全无参考代码时降至0.25,但仍保持基础代码生成能力;消融实验证实了多智能体间的协同效应,完整系统相比单一组件展现出显著的性能提升。该研究为嵌入式代码自动生成提供了有效的技术框架,提升了嵌入式系统开发效率。展开更多
针对目前新型电力发展存在的统筹协调、能源存储、电力消纳技术受限等问题,利用人工智能(AI)语音控制,在传统的风光互补基础上,提出了新型电力多能互补创新实践方案。系统选用3台西门子S7-200 Smart CPU SR40作为控制单元,结合S7以太网...针对目前新型电力发展存在的统筹协调、能源存储、电力消纳技术受限等问题,利用人工智能(AI)语音控制,在传统的风光互补基础上,提出了新型电力多能互补创新实践方案。系统选用3台西门子S7-200 Smart CPU SR40作为控制单元,结合S7以太网通信技术和传感器检测技术,建立了以水力发电站为主站、风力发电站和光伏发电站为从站的网络拓扑设计,通过不断优化程序不仅实现了新型电力手动、自动控制,而且创新融入AI语音功能,并采用8421BCD编码将语音逻辑转化为工业控制命令,增添了更加灵活的控制方案。实践证明,风光水绿能的综合场景协调控制,能解决新型电力时空发展不协调的问题,实现多能互补、时空互融的创新应用,有效助力“双碳”目标实现,促进新能源高质量发展。展开更多
文摘在一些修船企业建立的修船结算系统和电子价格库中,人工匹配结算编码步骤易出错且耗时长,直接影响结算效率。为解决该问题,提出一种基于多特征融合的修船结算编码智能匹配复合模型。采用来自变换器的双向编码器表示(Bidirectional Encoder Representations from Transformers,BERT)模型将工程内容文本表示为词向量,采用卷积神经网络(Convolutional Neural Network,CNN)模型提取文本的局部特征,采用双向长短期记忆网络结合注意力机制(Bidirectional Long Short-Term Memory with Attention Mechanism,BiLSTM-Attention)模型提取上下文特征,得到对应的结算编码。试验结果表明,所提出的复合模型在整体准确率方面实现显著提升,充分证明该复合模型在处理复杂文本分类任务中的优势。
文摘大语言模型(LLM)在软件工程中的应用日益广泛,但目前自动化代码生成研究主要集中于通用功能代码,缺乏针对嵌入式系统特殊需求的有效解决方案。提出了RD2ESC(requirements documents to embedded system code)方法,通过基于提示词的微调技术使LLM能够理解嵌入式代码与需求文档之间的复杂关系,并构建了多智能体协同的代码生成框架,能够利用需求文档和参考代码快速生成高质量的嵌入式代码。实验结果表明,RD2ESC相比GPT-4o基线模型在Pass@1指标上从0.15提升至0.71,测试通过率达到0.75,编译通过率达到0.95;敏感性分析显示该方法对参考代码质量存在一定依赖性,在10%~50%扰动条件下Pass@1从0.68降至0.47,完全无参考代码时降至0.25,但仍保持基础代码生成能力;消融实验证实了多智能体间的协同效应,完整系统相比单一组件展现出显著的性能提升。该研究为嵌入式代码自动生成提供了有效的技术框架,提升了嵌入式系统开发效率。
文摘针对目前新型电力发展存在的统筹协调、能源存储、电力消纳技术受限等问题,利用人工智能(AI)语音控制,在传统的风光互补基础上,提出了新型电力多能互补创新实践方案。系统选用3台西门子S7-200 Smart CPU SR40作为控制单元,结合S7以太网通信技术和传感器检测技术,建立了以水力发电站为主站、风力发电站和光伏发电站为从站的网络拓扑设计,通过不断优化程序不仅实现了新型电力手动、自动控制,而且创新融入AI语音功能,并采用8421BCD编码将语音逻辑转化为工业控制命令,增添了更加灵活的控制方案。实践证明,风光水绿能的综合场景协调控制,能解决新型电力时空发展不协调的问题,实现多能互补、时空互融的创新应用,有效助力“双碳”目标实现,促进新能源高质量发展。
