taskItemFollowersId string False 转派后任务项干系人id；多个干系人用,分隔 "dataType" : "Text" "dataLength" : 1000 1.5 taskItemFollowersName string False 转派后任务项干系人名称；多个干系人用

查看更多 →

创建“派单功能”脚本 当派单员选择派单的下一步接单人时，需要修改工单状态及处理人，因此我们需要创建一个实现“派单功能”的脚本逻辑，该脚本逻辑不是页面直接调用，而是通过后端BPM调用运行的。 操作步骤 在“我的应用”中，单击“设备维修管理系统”，进入应用。 在“WorkOrder”目

查看更多 →

组装“派单”对话框 “派单”对话框负责指定下一环节的工单状态和处理责任人，用标准页面功能实现。 派单界面的大致构想如图1所示，其中“工单ID”是为了传递维修工单信息。 图1 派单员派单对话框 页面模型负责与页面组件交互，传递派单需要的工单ID、工单状态、下一环节处理人等信息。结合页面需求，可知需要创建如下模型：

查看更多 →

placeholder_type=wf.PlaceholderType.STR, default="0.002", description="训练的学习率策略(10:0.001,20:0.0001代表0-10个epoch学习率0.001，10-20epoch学习率0.0001),如果不指定epoch

查看更多 →

派单不成功，报错“无法获取rootID” 问题描述 派单页面进行派单时，派单状态不改变，并报以下错误： resCode: "405233002" resMsg: "无法从请求的URL中获取正确的参数：'rootID'" 可能原因 当前操作的工单信息是在“生成工单”（createW

查看更多 →

issueHandlerId String 否 转派后执行人 issueHandlerName String 否 转派后执行名称 userGroup String 否 群组 remark String 是 转派原因 operUserId Long 是 操作人userId operUserName

查看更多 →

贝叶斯优化(SMAC) 贝叶斯优化假设超参和目标函数存在一个函数关系。基于已搜索超参的评估值，通过高斯过程回归来估计其他搜索点处目标函数值的均值和方差。根据均值和方差构造采集函数（Acquisition Function），下一个搜索点为采集函数的极大值点。相比网格搜索，贝叶斯优

查看更多 →

朴素贝叶斯法实现简单，学习与预测的效率都很高，是一种常用的方法。对于给定的训练数据集： 首先基于特征条件独立假设学习输入/输出的联合概率分布。 然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。 输入 参数 子参数 参数说明 inputs dataframe inputs

查看更多 →

态为“待派单”，则派单按钮为高亮可用状态，如果不是“待派单”状态，则按钮灰度不可用。 如果当前工单列表中没有“待派单”状态的工单，可以在“生成工单”脚本中输入一条测试数据，生成一条工单。 图1 页面预览 查看页面跳转。 选择一条“工单状态”为“待派单”的工单记录，单击“派单”按钮

查看更多 →

工单创建完毕后，流转“派单员派单”图元。 4 派单员派单 用户任务 将创建成功的工单，流转到派单员的派单页面（派单员队列中的用户均可进行派单）。 单击“派单”按钮，选择需要指定的“维修人员”后，将派单信息流转到“派单”图元。 5 派单 调用脚本 调用“派发工单”脚本，根据传入的派单信息进行工单信息（当前处理人/状态）的修改。

查看更多 →

支持近300个遥感计算算子、矢量分析算子和专题算法接口，满足不同业务场景的计算与分析需求；支持JavaScript和Python脚本语言，提供线上开发和线下SDK两种方式，用户可使用自己熟悉的开发环境。 图5 北京市1985年-2017年城镇化进度 支持多种经典机器学习分类算法，如K-Means

查看更多 →

组装“工单列表（派单员）”页面 “工单列表（派单员）”页面与“工单列表（客服人员）”页面相比，大致功能一致，仅多了一个操作列，操作列中包含了派单员需要使用的派单图标。 因为两个页面很相似，所以为了快速创建，可以将“工单列表（客服人员）”页面保持为一个模板，再引用这个模板创建新的页面。

查看更多 →

String 是 需要转派的隐患id列表 issueHandlerId String 是 转派后的处理人id，多人使用‘;’间隔 issueHandlerName String 否 转派后的处理人名称，多人使用‘;’间隔 remark String 是 转派原因 operUserId String

查看更多 →

batchUpdateExecutor.011:群组和登录人不是同一个租户下，请调整后重试 isdp.task.batchUpdateExecutor.012:转派原因长度超过最大长度200，请调整后重试 isdp.task.batchUpdateExecutor.013:任务正在转派执行人，请稍后重试 isdp

查看更多 →

2.0中的Keras高层接口及TensorFlow2.0实战 深度学习预备知识 介绍学习算法，机器学习的分类、整体流程、常见算法，超参数和验证集，参数估计、最大似然估计和贝叶斯估计 深度学习概览 介绍神经网络的定义与发展，深度学习的训练法则，神经网络的类型以及深度学习的应用 图像识别、 语音识别 、 机器翻译 编程实验

查看更多 →

batchUpdateExecutor.011:群组和登录人不是同一个租户下， 请调整后重试 isdp.task.batchUpdateExecutor.012:转派原因长度超过最大长度200， 请调整后重试 isdp.task.batchUpdateExecutor.013:任务正在转派执行人，请稍后重试 isdp

查看更多 →

新增业务用户，配置权限集、添加设备信息、管理工单，监控设备 业务用户 客服人员 App登录页面，工单列表（客服人员）页面 创建工单 派单员 App登录页面，工单列表（派单员）页面 派单、查看工单状态 维修人员 App登录页面，工单列表（维修人员）页面 接单、拒单、关单 父主题： 应用业务测试

查看更多 →

的工单，则说明验证成功。 图3 验证结果样例 验证派单功能。 访问图2中的应用登录页，使用派单人员账号登录（testds）。 登录后，进入“工单列表（派单员）”页面。 正常情况下，系统会显示客服人员创建的工单，且每条记录后都有派单图标。 选择上一步新建的一条工单记录，并单击该记录的，弹出处理工单弹窗。

查看更多 →

。 自动学习的关键技术主要是基于信息熵上限近似模型的树搜索最优特征变换和基于信息熵上限近似模型的贝叶斯优化自动调参。通过这些关键技术，可以从企业关系型（结构化）数据中，自动学习数据特征和规律，智能寻优特征&ML模型及参数，准确性甚至达到专家开发者的调优水平。自动深度学习的关键技术

查看更多 →

若无运行结果，如图7所示；若有运行结果，如图8所示，例如模型应用节点和回归评估节点。 图6 右键选择展示运行结果 图7 无运行结果 图8 有运行结果 Step2 使用模型进行预测 模型建立完成后，使用已经保存好的模型和餐厅预测数据，可以预测销售额。 在算链页签的预置算链目录下， 双击打开销售销量预测，

查看更多 →

CC规则里“限速频率”和“放行频率”的区别？ “限速频率”是单个Web访问者在限速周期内可以正常访问的次数，如果超过该访问次数，WAF将根据配置的CC攻击防护规则“防护动作”来处理。例如，“限速频率”设置为“10次/60秒”，“防护动作”设置为“阻断”，则表示60秒只能有10次访

查看更多 →