软件工程发展趋势分析

“2000年左右我们进入了一个新的纪元——全球化3．0。全球化3．0使得这个世界进一步缩小到微型,同时平坦化了我们的竞争场地。如果说全球化1．0版本的主要动力是国家,全球化2．0的主要动力是公司,那么全球化3.0的独特动力就是个人在全球范围内的合作与竞争,而这赋予了它与众不同的新特征。”     

面向海云协同的共性服务综述

提出了一种海云协同环境下的共性服务模式及其平台的实现方案。该模式面向海云协同环境下的应用开发的共性需求进行服务抽象和定义,成为海云协同共性服务。共性服务平台面向下一代应用开发的共同特点,是基于开放接口标准和面向服务的分形架构构建起来的基础平台。它关注智慧应用的整合、互联,支撑人机物的智能协同,目标是实现共享、重用和按需服务的协同生产机制,打造未来的共创生态环境。     

项目组合管理在电力领域的应用实践

在国家电网提出了"SG186"以后,很多电力公司和电网集团都面临着很多大型项目管理的挑战.基于IT驱动业务这一企业发展的新思路,以上海电力公司的项目组合管理项目为例,研究如何帮助企业管理者通过规范项目管理流程、统一的项目协作平台,确保企业的项目和大型项目的投资能够和业务的优先级保持一致.最终目标是使企业能够像运作业务流程一样管理项目,从而维持一个稳健的、健康的、符合企业业务发展要求的企业项目投资组合,有效支持企业的业务发展策略.     

工业复杂软件系统的成长性构造框架与实现

工业领域中智能制造和智慧城市的快速发展,促使各种具有边界开放、持续演化、自适应性等特征的复杂软件系统的出现。基于还原论和单一组织的传统软件开发方法不再适合发展需求,也不能满足跨组织的社会化协作和资源共享等基本需求。本文提出一种基于容器云和跨组织资源共享的复杂软件系统成长性构造框架,通过容器技术、多租户技术、信息资源目录技术实现社会化协作开发和复杂软件系统成长性构造,并且该框架在一个工业研究案例中的应用实践证明了其在复杂软件系统的快速构建和演化方面具有重要意义。     

基于CBL的“Web系统电信平台”

本在深入分析电子商务发展趋势的基础上,利用XML和CBL技术,提出并详细描述了一种基于Web的信息电信解决方案－Web系统通信平台,并给出该系统的具体应用实体,对企业实施电子商务有着重要的理论和实际参考价值。     

基于注意力机制的CNN-LSTM模型及其应用

时序数据存在时序性，并且其短序列的特征存在重要程度差异性。针对时序数据特征，提出一种基于注意力机制的卷积神经网络（CNN）联合长短期记忆网络（LSTM）的神经网络预测模型，融合粗细粒度特征实现准确的时间序列预测。该模型由两部分构成：基于注意力机制的CNN，在标准CNN网络上增加注意力分支，以抽取重要细粒度特征；后端为LSTM，由细粒度特征抽取潜藏时序规律的粗粒度特征。在真实的热电联产供热数据上的实验表明，该模型比差分整合移动平均自回归、支持向量回归、CNN以及LSTM模型的预测效果更好，对比目前企业将预定量作为预测量的方法，预测缩放误差平均值（MASE）与均方根误差（RMSE）指标分别提升了89.64%和61.73%。     

基于实时用户相似度随机模拟支持有线直播实时导视

本文提出了一种新型的有线直播实时导视模式,并针对实现直播实时导视的基础性环节和实时用户相似度随机模拟的实现过程进行了试验。从学习算法、数据处理平台和底层硬件平台的相关技术应用情况,阐述了基于深度学习技术的实时用户相似度随机模拟,为进一步实现有线直播实时导视的完整流程打下基础。     

面向复杂环境中带钢表面缺陷检测的轻量级DCN-YOLO

基于深度学习的智能检测技术逐渐在复杂钢铁生产环境带钢表面缺陷检测过程中使用。为了应对在资源受限的边缘设备中部署高精度模型的挑战，提出一个面向复杂环境中带钢表面缺陷检测的轻量级DCN-YOLO模型，该模型将可形变卷积网络DCN与原始YOLOv5结合，以提高模型对不同尺寸和形状缺陷的灵敏度。为降低计算复杂度，在YOLO模型中引入了深度可分离卷积DSConv和高效通道注意力机制ECA两个轻量级模块，使模型更好地理解输入数据中各个通道之间的关系，在提高模型的检测精度和泛化能力的同时，大幅降低模型的计算量。进一步通过消融实验及横向对比实验，验证了每个创新模块的有效性。通过经典的开源带钢数据集NEU-DET和实际工业带钢数据集分别验证了轻量级DCN-YOLO模型在表面缺陷检测精度和计算复杂度方面的优势。