留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

进程网的细化研究

郭峰

郭峰. 进程网的细化研究[J]. 数字技术与应用, 2021, 39(1): 94-97,228. doi: 10.19695/j.cnki.cn12-1369.2021.01.30
引用本文: 郭峰. 进程网的细化研究[J]. 数字技术与应用, 2021, 39(1): 94-97,228. doi: 10.19695/j.cnki.cn12-1369.2021.01.30
GUO Feng. Research on Refinement of Process Net[J]. DIGITAL TECHNOLOGY & APPLICATION, 2021, 39(1): 94-97,228. doi: 10.19695/j.cnki.cn12-1369.2021.01.30
Citation: GUO Feng. Research on Refinement of Process Net[J]. DIGITAL TECHNOLOGY & APPLICATION, 2021, 39(1): 94-97,228. doi: 10.19695/j.cnki.cn12-1369.2021.01.30

进程网的细化研究

doi: 10.19695/j.cnki.cn12-1369.2021.01.30
基金项目: 

本论文为2020年北京市大学生创新创业训练计划项目成果(218051360020XN214)

详细信息
    作者简介:

    郭峰(1972—),男,山东德州人,博士,讲师,研究方向:软件工程、大数据等。

  • 中图分类号: TP301

Research on Refinement of Process Net

  • 摘要: 进程网是结合Petri网和进程代数定义的一种网结构,用于并发异步系统的建模。进程网的细化是用复杂的结构替换 高层的简单结构支持自顶向下逐步求精的建模过程。定义了进程网的五种细化规则:子网细化、同步细化、选择细化、循环细化、 通信细化,实现了支持进程网建模和细化的工具。通过进程网的细化操作可以反映模型的层次关系,有助于系统模型的分析。

     

  • [1] 陈颖,魏培莲,潘军,等.数字化全玻片助力人工智能病理图像决策[J].第二军医大学学报,2018,39(8):840-845.
    [2] 张泽中,高敬阳,吕纲,等.基于深度学习的胃癌病理图像分类方法[J].计算机科学,2018,45(11A):263-268.
    [3] ZHAO H,SHI J,QI X,et al.Pyramid scene parsing network[C]//Proceedings of the 2017 IEEE Conference on Computer Vision and Pattern Recognition.Washington,DC:IEEE Computer Society,2017:6230-6239.
    [4] ZHU W,XIANG X,TRAN T D,et al.Adversarial deep structured nets for mass segmentation from mammograms[C]//Proceedings of the 2018 IEEE 15th International Symposium on Biomedical Imaging.Piscataway:IEEE[C]//Proceedings of the 2018 IEEE 15th International Symposium on Biomedical Imaging.Piscataway:IEEE,2018:847-850.
    [5] 何雪英,韩忠义,魏本征.基于深度学习的乳腺癌病理图像自动分类[J].计算机工程与应用,2018,54(12):121-125.
  • 加载中
计量
  • 文章访问数:  124
  • HTML全文浏览量:  16
  • PDF下载量:  3
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-11-05
  • 修回日期:  2021-01-17
  • 网络出版日期:  2021-09-23
  • 刊出日期:  2021-01-25

目录

    /

    返回文章
    返回
    版权所有 © 《数字技术与应用》编辑部 本系统由 北京仁和汇智信息技术有限公司 开发