第101章 所谓底蕴(1/2)
然而算筹能做的岂止如此。
工具箱已经在快步追赶，Silink的替代品也有一个初步的功能。
Silink是一个模块图环境，用于多域仿真以及基于模型的设计。
它可以支持系统设计、仿真、自动代码生成以及嵌入式系统的连续测试和验证。同时还提供图形编辑器、可自定义的模块库以及求解器，能够进行动态系统建模和仿真。
而算筹也已经初步实现了这个功能，其实这个功能早在很久以前就已经开始布局。
苏航得知这一功能居然来自自家大学的CAD支撑中心时，突然觉得自己对国家的“底蕴”一无所知。
虽然这个功能需要另外安装加载包，不过对苏杭而言都不是什么问题。
先去找祝庆田要了内测包，然后再到官网补票。
至于为什么不用官网的软件。
总所周知，留一手是传统美德，内测绝对不一样啊。
天元，是这一平台的名字。
居中一枚棋子，然后无数框图逐渐浮现，不过都是水墨风。
看这安装界面的动画，没少花钱啊。
天元，是基于知识模型统一表达与互联国际标准Modelica打造的新一代数字化设计验证平台。
它采用基于模型的方法全面支持系统设计、仿真验证、模型集成、试验优化、智能分析以及网络协同。
已经可以实现一体化的系统数字化设计与验证闭环，并提供基于模型的系统工程核心支撑。
天元平台包含系统架构设计工具、系统仿真验证工具、系统协同建模工具、专业模型库以及一系列工具集。
从研究院得来的消息，这东西雪藏了近三十年，又在近十年重新进行了打磨修改。
这东西真的可以说是“十年磨一剑，霜刃未曾试”。
汉城大学居然还藏着这东西，了不得了不得，之前还一直不知道。
而且，这个CAD支撑中心又是什么东西？
一个本校生居然完全没听说过。
打探一番才知道，这个中心就没在本校区，具体在哪，嘿嘿。
苏航也没有继续多打听。
看着这炫酷的界面，苏航顿时来了兴致。
新论文就用这个软件了，给算筹开开荤。
刚好之前闲着没事的时候有个灵感。
苏航敲下一行标题。
利用人工智能对大型工程进行安全评估其实就是利用“人工神经网络”和“基于案例推理”两种方法对于项目事故的严重程度进行预测，同时比较两种方法的优劣。
按照惯例，先分析方法。
“本文将会用到‘潜在类聚分析’、‘层次分析法’、‘人工神经网络’、‘基于案例推理’等四种主要的方法…”
其实这两种方法都是人工智能的应用，AI真的没有想象中的那么高大上，学python的话，三到四天就可以自己搞机器学习了。
而这两个其实也不难。
人工神经网络在事故分析时大概只需要三层就够了。
而基于案例推理则是需要大量的案例，组成它的一个案例库，当进行风险分析的时候，就会在库里面寻找最相似的案例，然后进行调整、赋权，最后得到预测结果。
所以苏航码得飞快。
这两种方法都将是基于算筹的脚本。
由于算筹发家就是从机器学习这一块开始的，所以这一方面的工具箱还算是比较齐全。
苏航很快就把大概的代码写好了。
而论文也写了个七七八八。
这都得益于苏航每看一篇论文就会下载电子档并分门别类的储存好，闲暇的时候就用Note Express建论文库。
所以到写论文的时候那就是轻轻松松。
像什么插入引文、打备注等等，都是飞快。
而不是像平常人一样，论文准备三个月，就有一个月在修改格式，一个月在玩，一个月在读文献。至于论文正文？那不是一星期码完十万字的吗？
寂静的寝室只剩下苏航敲击键盘的声音。
“CBR已被用于不同的施工管理领域，如施工诉讼（Arditi和Tokder， 1999年）和早期成本估算（Ki人，2004年）…”
“此外，Pereira等人(2018)运用CBR和仿真模型来测量建筑工地随时间变化的安全性能。在本研究中，还确定了安全政策和资源配置对安全绩效的影响…”
“在本研究中，利用AHP来计算CBR步骤的属性权重…”
“减少数据集的大小的目的是获得同质组，从复杂的数据集来提高数据质量和提高预测精度，因为复杂性中的数据可能带来严重的查询，同时试图找到一个有意义的数据元素之间的关系和目标模型…”
苏航似乎忘记了时间。
同时在电脑上跑这个算法模型。
算筹还不错，可以自动化生成漂亮的表格。
有些软件的图片只有黑白，要改颜色还得自己加几行代码。
这些细枝末节的东西，对于科研工作者来说或许不重要，但是对于一般使用者而言就会很友好。
虽然在苏航看来也没什么用。
不过在看到最后那自动配色后的散点图，以及自动生成的对比分析图。
苏航只想说，真香！
虽然一般使用者一片叫好，不过这个软件到底能不能走
工具箱已经在快步追赶，Silink的替代品也有一个初步的功能。
Silink是一个模块图环境，用于多域仿真以及基于模型的设计。
它可以支持系统设计、仿真、自动代码生成以及嵌入式系统的连续测试和验证。同时还提供图形编辑器、可自定义的模块库以及求解器，能够进行动态系统建模和仿真。
而算筹也已经初步实现了这个功能，其实这个功能早在很久以前就已经开始布局。
苏航得知这一功能居然来自自家大学的CAD支撑中心时，突然觉得自己对国家的“底蕴”一无所知。
虽然这个功能需要另外安装加载包，不过对苏杭而言都不是什么问题。
先去找祝庆田要了内测包，然后再到官网补票。
至于为什么不用官网的软件。
总所周知，留一手是传统美德，内测绝对不一样啊。
天元，是这一平台的名字。
居中一枚棋子，然后无数框图逐渐浮现，不过都是水墨风。
看这安装界面的动画，没少花钱啊。
天元，是基于知识模型统一表达与互联国际标准Modelica打造的新一代数字化设计验证平台。
它采用基于模型的方法全面支持系统设计、仿真验证、模型集成、试验优化、智能分析以及网络协同。
已经可以实现一体化的系统数字化设计与验证闭环，并提供基于模型的系统工程核心支撑。
天元平台包含系统架构设计工具、系统仿真验证工具、系统协同建模工具、专业模型库以及一系列工具集。
从研究院得来的消息，这东西雪藏了近三十年，又在近十年重新进行了打磨修改。
这东西真的可以说是“十年磨一剑，霜刃未曾试”。
汉城大学居然还藏着这东西，了不得了不得，之前还一直不知道。
而且，这个CAD支撑中心又是什么东西？
一个本校生居然完全没听说过。
打探一番才知道，这个中心就没在本校区，具体在哪，嘿嘿。
苏航也没有继续多打听。
看着这炫酷的界面，苏航顿时来了兴致。
新论文就用这个软件了，给算筹开开荤。
刚好之前闲着没事的时候有个灵感。
苏航敲下一行标题。
利用人工智能对大型工程进行安全评估其实就是利用“人工神经网络”和“基于案例推理”两种方法对于项目事故的严重程度进行预测，同时比较两种方法的优劣。
按照惯例，先分析方法。
“本文将会用到‘潜在类聚分析’、‘层次分析法’、‘人工神经网络’、‘基于案例推理’等四种主要的方法…”
其实这两种方法都是人工智能的应用，AI真的没有想象中的那么高大上，学python的话，三到四天就可以自己搞机器学习了。
而这两个其实也不难。
人工神经网络在事故分析时大概只需要三层就够了。
而基于案例推理则是需要大量的案例，组成它的一个案例库，当进行风险分析的时候，就会在库里面寻找最相似的案例，然后进行调整、赋权，最后得到预测结果。
所以苏航码得飞快。
这两种方法都将是基于算筹的脚本。
由于算筹发家就是从机器学习这一块开始的，所以这一方面的工具箱还算是比较齐全。
苏航很快就把大概的代码写好了。
而论文也写了个七七八八。
这都得益于苏航每看一篇论文就会下载电子档并分门别类的储存好，闲暇的时候就用Note Express建论文库。
所以到写论文的时候那就是轻轻松松。
像什么插入引文、打备注等等，都是飞快。
而不是像平常人一样，论文准备三个月，就有一个月在修改格式，一个月在玩，一个月在读文献。至于论文正文？那不是一星期码完十万字的吗？
寂静的寝室只剩下苏航敲击键盘的声音。
“CBR已被用于不同的施工管理领域，如施工诉讼（Arditi和Tokder， 1999年）和早期成本估算（Ki人，2004年）…”
“此外，Pereira等人(2018)运用CBR和仿真模型来测量建筑工地随时间变化的安全性能。在本研究中，还确定了安全政策和资源配置对安全绩效的影响…”
“在本研究中，利用AHP来计算CBR步骤的属性权重…”
“减少数据集的大小的目的是获得同质组，从复杂的数据集来提高数据质量和提高预测精度，因为复杂性中的数据可能带来严重的查询，同时试图找到一个有意义的数据元素之间的关系和目标模型…”
苏航似乎忘记了时间。
同时在电脑上跑这个算法模型。
算筹还不错，可以自动化生成漂亮的表格。
有些软件的图片只有黑白，要改颜色还得自己加几行代码。
这些细枝末节的东西，对于科研工作者来说或许不重要，但是对于一般使用者而言就会很友好。
虽然在苏航看来也没什么用。
不过在看到最后那自动配色后的散点图，以及自动生成的对比分析图。
苏航只想说，真香！
虽然一般使用者一片叫好，不过这个软件到底能不能走
本章未完，点击下一页继续阅读