DECLARE
l_trans_rec fa_api_types.trans_rec_type;
l_dist_trans_rec fa_api_types.trans_rec_type;
l_asset_hdr_rec fa_api_types.asset_hdr_rec_type;
l_asset_desc_rec fa_api_types.asset_desc_rec_type;
l_asset_cat_rec fa_api_types.asset_cat_rec_type;
l_asset_type_rec fa_api_types.asset_type_rec_type;
l_asset_hierarchy_rec fa_api_types.asset_hierarchy_rec_type;
l_asset_fin_rec fa_api_types.asset_fin_rec_type;
l_asset_deprn_rec fa_api_types.asset_deprn_rec_type;
l_asset_dist_rec fa_api_types.asset_dist_rec_type;
l_asset_dist_tbl fa_api_types.asset_dist_tbl_type;
l_inv_tbl fa_api_types.inv_tbl_type;
l_inv_rate_tbl fa_api_types.inv_rate_tbl_type;
l_return_status VARCHAR2(1);
l_mesg_count NUMBER;
l_mesg VARCHAR2(4000);
l_mesg_len number;
BEGIN
--初始化
dbms_output.enable(10000000);
fa_srvr_msg.init_server_message;--初始化错误信息堆栈。
--资产基础信息
相关推荐
LLM Wiki:RAG结果转化为可维护知识资产的操作系统
知识资产化是企业级大模型应用落地的核心挑战,指将非结构化RAG输出转化为结构化、可溯源、可版本控制、可协作演化的组织知识。其技术原理涵盖事实原子化、溯源锚定、置信度加权与模板化发布四大机制,依托TypeScript前端保障编辑体验与类型安全,Rust后端支撑高并发向量检索与文档解析,实现知识从‘一次问答’到‘持续治理’的跃迁。典型应用场景包括合规审计、医疗器械法规管理、金融政策库建设等强准确性与可追溯性要求的领域。LLM Wiki正是这一范式的开源实践。
2026芯片公司能力五维评估模型
芯片公司技术实力不能仅看TOPS或工艺节点,而应回归可验证的工程本质:制程适配深度决定硅后稳定性,IP复用效率反映设计资产沉淀,验证闭环速度保障流片成功率,软件栈交付厚度影响客户导入周期,量产良率爬坡曲线体现制造协同能力。这五大维度相互咬合,共同构成AI芯片与边缘SoC在2026年能否规模落地的核心技术标尺。面向硬件选型、系统集成与供应链决策,需以PDK定制能力、Verification Reuse Report、Process Window Analysis等实证材料为依据,穿透营销话术,识别真实工程能力
AI模型可视化:用3D图谱呈现模型家族的血缘与关系
随着深度学习模型数量急剧膨胀,模型间的微调、蒸馏、压缩及评测对比关系变得难以管理。图谱化建模是理解模型资产的通用方法——将模型抽象为节点,关系抽象为带语义的边,构建结构化的模型血缘图谱;再借助3D可视化降低大规模节点重叠,直观呈现模型家族聚簇。该方法在模型选型、安全影响排查、算法资产治理等场景中颇具价值,能帮助团队从二维表格管理升级为动态生态视图。AI Model Atlas是以3D图形式展示模型关系链的实践原型,通过对其数据建模思路、Python规范化脚本与WebGL渲染逻辑的讲解,为MLOps及算法中台
Kimi K2.6代码模型:中文技术语境理解与工程化落地实践
代码大模型正从通用编程辅助迈向垂直领域深度赋能,其核心能力已超越基础语法生成,转向对中文技术文档语义结构、开源生态版本兼容图谱及真实开发隐性规则的建模。Kimi K2.6 作为国产代码模型代表,通过端到端中文-代码联合嵌入、128K长上下文分层记忆压缩、以及中国开发者技术栈(如MONAI、PyTorch、SHAP)的深度适配,显著提升代码生成准确性与工程可信度。它支持论文复现、CLI工具链构建、Kubernetes智能体集成等生产级场景,使AI真正成为可嵌入软件生命周期的‘数字工程师’。
电源完整性之仿真设计原理
电源完整性(Power Integrity),简称为PI,也就是大家平常听说的PI。PCB板上的电源设计也是非常重要的,不当的设计也会引起很重要的影响。所以电源完整性PI和信号完整性SI,是我们互连设计人员应该同等重视的问题。今天整理本人接触的电源完整性PI的一些原理,从不的角度去看PI,会有不同的理解,下面开始喽!!! 提到互连的电源设计,可能首先想到的电源分配网络(Power Distribution Nets),因为互连电源会有许多种,直流DC和交流AC,还有不同的电压调节模块(VRM)与不同的负载端
【AI智能体】图像处理-生成营销 Banner 图
生成营销 Banner 图是一款用于制作营销图片的智能体,它可以根据指定的营销活动内容,快速生成活动 Banner 图片,降低活动运营成本、提高制图效率。
从零搭建A股量化交易系统:开源框架选型与实战部署指南
本文详细介绍了从零搭建A股量化交易系统的完整流程,重点分析了开源框架VNPY和QMT的选型与实战部署。内容涵盖系统架构设计、策略开发、性能优化及实盘过渡方案,为开发者提供了一套完整的A股实盘量化交易解决方案,助力高效构建稳定可靠的量化交易系统。
具身智能中的运动控制如何入门?
本文提出计算机视觉(CV)与强化学习(RL)结合的机器人运动控制学习路径。强调工程实践导向,建议采用"算法-机器人-工程"三阶段学习法:基础阶段掌握RL核心算法(PPO/SAC)和机器人动力学;进阶阶段聚焦Sim2Real技术(域随机化、模仿学习)和仿真环境搭建;深耕阶段结合CV优势开发视觉闭环控制等创新方向。特别指出应避免纯理论学习,提倡"最小知识原则"的实践模式,通过具体项目(如四足机器人控制)串联知识体系。推荐以《现代机器人学》等工具书为参考,配合开源框架(Pi
Python自动化:3分钟搞定微信收藏链接批量导出到TXT(附完整代码)
本文介绍如何使用Python自动化工具在3分钟内将微信收藏链接批量导出到TXT文件。通过模拟人类操作和OCR技术,脚本高效处理大量链接,显著提升工作效率,并附有完整代码和实战避坑指南。
Qlib+backtrader:2014.1.1-2023.9.20最新回测结果,可以实盘吗?
今年以来,在研究了qlib和backtrader的基础上,把二者结合起来进行了一个策略研究。简单说就是用qlib在200只股票的股票池中进行滚动训练与预测(walk forward),总体数据范围是2005到2023年,以20日间隔滚动训练和预测,最终得到2014.1.1-2023.9.20共10年测试期的收益率预测结果。将预测结果代入backtrader进行回测,得到如下回测结果。
基于Matlab的自动泊车系统开发:利用模糊控制实现智能停车解决方案的详细教程
Matlab是一种广泛应用于科学计算、工程建模与仿真的编程语言,其强大的工具箱和简洁的编程语法,使其成为开发自动泊车系统的理想选择。在开始编写代码之前,我们需要搭建Matlab的工作环境,并熟悉相关的工具箱,如Fuzzy Logic Toolbox,用于实现模糊控制。首先,确保你已经安装了Matlab软件,并加载了必要的工具箱。接下来,我们将逐步讲解如何在Matlab中实现自动泊车系统。
为YOLOv11引入加权双向特征金字塔(BiFPN)
本文介绍了将BiFPN应用于YOLOv11模型以提升边缘设备上小目标检测精度的实践。针对传统FPN在特征融合时的信息丢失问题,采用带可学习权重的BiFPN结构进行改造,实现了不同层级特征的动态融合。重点阐述了WeightedFeatureFusion模块的实现细节、neck结构改造方法及训练部署注意事项。实验表明,该改进使小目标AP提升3.1%,参数量仅增加5%,在精度和效率间取得良好平衡。文章还分享了权重初始化、归一化处理等实用技巧,并强调需根据数据特性评估改进效果,重新计算anchor等关键点。
VC中sqlite的使用
在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示
文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况
主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。
Devexpress16.2.6破解工具
Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具
141



被折叠的 条评论
为什么被折叠?



