信管总结——第四章

总体规划回答的是“系统是什么的”问题。总体规划的目的从两方面考虑,一是从整体系统角度,保证信息的共享;二是从子系统角度出发,协调子系统之间的工作,使开发工作有序进行。

总体规划的步骤:

1)需求初步调查:即对现行系统进行初步调查和详细调查,其中包括现行系统的目标任务;系统概况;环境和约束条件;现行系统业务流程和子系统的划分;新系统的开发条件

2)新系统的目标:即新系统所要达到的目的

3)可行性分析:即系统开发的可能性和必要性,主要包括四个方面:技术上的可行性;经济上的可行性;管理上的可行性;开发环境的可行性;

4)可行性分析报告:引言;现行系统调与分析;新系统建设方案;可行性论证;结论

总体规划方法:关键成功因素法;战略目标集转化法;企业系统规划法(BSP)

企业系统规划法(BSP):将企业的战略转化成管理信息系统的战略的转化过程,包括自上而下识别信息系统目标,识别企业过程,识别数据,然后自下而上设计信息系统,以支持目标。

BSP工作核心:定义企业过程和数据类;分析研究现行系统寻求企业的支持;研究管理部门对系统的要求;确定新信息系统的体系结构;确定新信息系统的实现优化顺序。

BSP工作的原则:支持企业的总目标;面向企业中管理各层次的要求;从方法论上摆脱信息系统对旧组织的机构的依从性;使信息系统在结构上有良好的整体性;自上而下规划和自下而上实施相结合。

BSP工作流程:研究项目确定;研究准备活动;研究的开始阶段;研究的开始阶段;定义企业过程;定义数据类;分析当前的系统支持;研究管理部门对系统的要求;提出判断和结论;设计信息系统总体结构;确定子系统开发的优先顺序;评价信息资源管理工作;制定建议书和开发计划;研究成果报告。

定义企业过程(核心):

含义:企业过程是企业资源转化和资源管理中有逻辑关系的决策和活动

企业资源:关键性资源:企业中产品和服务;支持性资源:实现企业目标所必须使用,引用和消耗的资源;

资源生命周期:需求,获取,服务和退出

一般步骤:1)从计划/控制资源着手,可以识别出企业战略规划与管理控制两个层次的过程;2)识别产品/服务过程,根据其需求、获取、服务、退出四阶段的生命周期,对每一阶段用一些过程进行管理;3)支持资源识别企业过程。

定义数据类:

数据类型:库存文档型;事务型;计划型;统计型

企业数据识别方法:企业实体法;企业过程法

设计系统总体结构与开发顺序:

子系统划分的基本原则:子系统在功能上相对独立、数据冗余小、便于分阶段实现、适应组织管理机构的设置、充分利用各种资源;子系统在数据上应有自身的完整性

子系统划分方法:U/C图

子系统开发顺序:子系统需求程度与潜在效益的评估;技术约束分析

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论 15
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值