标准数字化转型中标准标签集发展与应用分析

本文聚焦标准数字化转型中标准标签集这一关键技术,系统回顾了标准标签集从ISOSTS演变到NISOSTS的发展历程,并分析了两者的区别。随后围绕NISOSTS的组成,明确了标准标签集中元素和属性的特征及用法,并分析了和两种根元素结构。最后结合标准标签集在国内外的应用情况,分别介绍了相关典型案例,并指出NISO STS需要进一步引入语义更丰富的元素,从而增强标准的机器可读能力。     

深层次特征学习的Adaboost大规模图像分类算法

针对浅层次大规模图像分类的低精度问题,提出深层次特征学习的Adaboost图像分类算法.首先以DBN作为弱分类器对样本图像进行学习,根据每次训练得到的分类错误率以及各样本的分类准确性调整权值;然后在所有弱分类器训练好以后,使用BP算子回溯再次整体调整体样本权值;最后将所有弱分类器集成强分类器,输出最终分类结果.使用MNIST和ETH-80两种数据集进行实验仿真,并将分类结果与其他算法进行比较.结果表明所提算法的分类精度明显高于其他算法,有效实现了高精度的大规模图像分类.     

流媒体缓存优化技术在电力生产系统中的应用

流媒体技术在电力企业教育培训、视频会议等生产系统中获得了广泛应用,但随着用户并发访问的增加,流媒体服务器逐渐成为系统性能的瓶颈。本文介绍了赣州供电公司采用三层浏览器／WEB服务器／流媒体服务器结构的教育培训网站中使用流媒体缓存优化技术NFU的情况。NFU的主要特点是同时考虑现有用户和未接入用户请求。通过试验和分析表明,NFU能有效提高流媒体服务器性能。     

基于BiLSTM模型的冶金领域国家标准指标识别研究

冶金行业为集成电路、人工智能、航空航天等重要领域提供必不可少的金属原材料。冶金国家标准是重要的基础性战略资源,在冶金产业的高质量发展中发挥技术性支撑作用。国家标准文本中蕴含大量的关键技术性指标,人工逐一识别并抽取的模式在大数据时代已无法满足数字化转型的需求。本研究采用深度学习算法,对冶金领域的国家标准文本分别开展RNN、GRU和BiLSTM模型的对比实验,根据模型性能择优选取最优模型。研究结果显示BiLSTM模型在冶金领域国家标准指标识别的表现上最好,由此采用BiLSTM为该领域标准指标识别的深度学习模型。     

掌上电脑在电力巡检管理系统中的应用

巡检管理是变电运行管理中的一个重要环节,对设备、生产环境等的巡检,对于保证生产的正常进行,及时发现缺陷、消除事故隐患起着重要的作用,本文详细介绍了赣州供电公司采用三层浏览器/服务器体系结构设计并使用掌上电脑(PDA)进行巡检管理的流程、方式及经验。     

标准文献数字化转型的基础理论体系构建

标准数字化转型是标准领域的重要发展趋势。作为标准的重要载体形式,标准文献也面临数字化转型的发展需要。本研究从标准文献的自身特点与实际发展需要出发,提出了标准文献数字化转型的相关概念,基于此构建了标准文献数字化转型的基础理论体系模型,并围绕模型中的核心理论作简要阐述,为相关研究和工作提供一定的理论参考。