本发明公开了一种基于AI大模型的电力设备的故障评估方法及系统,涉及电力设备故障评估技术领域。该基于AI大模型的电力设备的故障评估方法，包括以下步骤:收集处理电子式互感器故障数据，并进行对电子式互感器故障数据清洗、除噪和提取特征；选择循环神经网络模型用于序列数据处理，使用标记的故障数据集训练循环神经网络模型用于识别互感器的工作状态；交替使用标记的训练集和验证集来评估循环神经网络模型的泛化能力。本发明通过一种基于AI大模型的电力设备的故障评估方法及系统，达到了提高电子式互感器故障评估的可靠性的效果，解决了现有技术中存在电子式互感器故障评估的可靠性不足的问题。

本公开的实施例公开了信息生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:获取待处理的用于表征目标订单的目标订单标识；基于目标订单标识，生成合流码；将合流码推送至具有显示功能的目标设备，以及控制目标设备显示合流码。该实施方式通过生成门店货架码配置实现对门店订单的有效管理，同时基于目标订单标识，为不同类型的订单生成专门的合流码，提高对合流码的管理效率，方便配送员取货时快速找到订单商品所处位置，极大提高分拣取货效率，提高订单履约速度，也为商家门店节约了额外开销。

本申请提供了一种自动化测试脚本管理方法、装置、计算机设备和存储介质。该方法包括:将代码生成提示词输入大语言模型，得到目标代码；从目标代码中提取出文件路径信息；根据文件路径信息，在自动化测试工程中匹配检索目标代码对应的目标文件；若未匹配到目标文件，则根据目标代码生成新增测试文件，并将新增测试文件添加到自动化测试工程中；若匹配到目标文件，则根据目标文件内的代码与目标代码的差异更新目标文件。该方法可以自动生成测试代码，并自动将测试代码集成到工程文件中，大大降低了人工工作量和测试工程的维护成本，提高了接口测试效率。

 本发明提供一种涉及力学多参数变化的带钢拉伸弯曲矫直计算方法，涉及矫直机领域。该方法综合考虑待矫直带钢内部的初始应力情况以及带钢在拉伸弯曲矫直过程中出现的不同应力状态，建立不同应力分布状态下带钢中性层的纵向应变与弯曲曲率的解析通式；在考虑带钢的板材强化及初始残余应力情况下，建立不同塑性应力分布状态下带钢的曲率解析通式；将带钢在不同弯曲辊组和矫直辊组下出现单侧塑性应力状态和双侧塑性应力状态的不同情况叠加，建立带钢发生拉伸弯曲矫直过程中总残余应变量的解析通式。本发明通过建立带钢拉伸弯曲矫直计算方法，准确掌握带钢在拉伸弯曲矫直过程的变化规律，以减少带钢缺陷，提高带钢质量。

本发明属于计算机应用技术领域，尤其涉及一种基于GPU的矩阵加速计算的方法。本发明通过提供一种基于GPU的矩阵加速计算的方法，以CPU/GPU异构计算系统为计算平台，使CPU和GPU的负载量达到最佳，从而确保令两者的计算同时完成，使得整个CPU/GPU异构计算系统的协同处理的计算效率达到最优。

本发明公开了一种安全访问方法、集成电路及计算机可读存储介质。其中，该方法包括:获取当前访问事件的安全标志信号以及从机身份标识信息；然后，根据所述从机身份标识信息确定待访问的目标从机模块以及所述目标从机模块的安全属性；最后，根据所述安全标志信号判断所述目标从机模块的安全属性是否符合所述当前访问事件的安全属性要求，若所述目标从机的安全属性不符合所述当前访问事件的安全属性要求，则生成安全中断事件。实现了一种更有效的从机安全访问控制方案，针对总线上各个设备，提高了其单独的安全访问控制能力，增强了其关键敏感数据的安全防护强度。

本发明涉及数据处理领域，尤其涉及一种基于区块链的食品检测数据处理方法。内容包括:获取食品检测数据并按不同维度进行划分，计算不同维度的食品检测数据的哈希值，并使用数据分片算法计算得到分片数据，引入并行区块链架构，将分片数据分布在不同链路上独立运行；计算分片数据的验证值，基于分片数据的验证值，判断分片数据的合法性，并将合法的分片数据和对应的不同维度的食品检测数据的哈希值记录在区块链上。解决了食品检测数据在传输和存储过程中容易被篡改，难以保障数据的完整性和真实性；传统的数据处理方式难以应对庞大的数据量，难以保障数据验证的安全性和稳定性，容易受到攻击或出现数据冲突，导致验证结果不准确或不一致的问题。

本发明公开了一种标签的鉴伪方法、装置、设备及介质，涉及标签鉴伪技术领域，该方法包括:获取待识别标签匹配的目标蒙版图像，以及目标蒙版图像的参数信息；参数信息包括候选设备标识信息、候选显示参数信息和候选摄像参数信息之间的对应关系；在参数信息中，查询与摄像设备标识信息匹配的目标显示参数信息和目标摄像参数信息；根据目标显示参数信息，显示目标蒙版图像；根据目标摄像参数信息，拍摄待识别标签，以及提示用户移动摄像设备，以使显示屏上显示的目标蒙版图像和拍摄的标签图像重合；在重合时，根据目标标签图像中的微观编码区域，对待识别标签进行伪造识别。本发明提高了对标签进行伪造识别的效率和准确率。

本发明公开了一种基于变分自编码器的文本分类方法，其包括以下步骤:S1、选定编码器和解码器组成模型；S2、对模型进行预训练；S3、分类器训练；S4、使用训练好的分类器对文本进行分类。步骤S2具体为，先收集一个没有人工标注对的文本数据集，然后通过损失函数对于模型进行训练。通过加入新的增强损失函数，来解决后验坍塌的难题，提高VAE针对文本数据的分类性能。

本发明公开了一种针对多模态数据离散语义编码的装置和方法，方法包括以下步骤:S1、数据编码器的输入数据为x，采用LSTM对于文本数据进行编码，采用CNN模型对于图片进行编码，输出结果为一个多维张量h；S2、将h中代表现实意义的维度作为主要坐标输入Transfomer，然后经过数层Transfomer计算后，用Transfomer的前M个维度预测q(z|h)。本方案通过新的损失函数实现数据编码z的离散化，保证z包含丰富的信息，最大程度的保留原始数据中的信息点。