摘要
本发明实施例提供了一种基于人工智能模型的应用代码开发方法及系统,包括:采集网络需求数据;将网络需求数据进行分类,得到不同维度的需求分类样本;将需求分类样本及对应的低代码开发数据输入至条件生成对抗网络,得到生成的虚拟需求分类样本及对应的低代码开发数据;根据需求分类样本获取到低代码开发数据;将所述虚拟需求分类样本及对应的低代码开发数据划分为训练集及测试集,将所述训练集输入至低代码小样本模型,得到训练后的低代码小样本模型;将新的需求数据输入至所述训练后的低代码小样本模型,得到输出的特定低代码开发数据;实现应用程序需求样本的扩充,使得用户需求数据与应用代码开发数据相匹配,提高应用代码开发效率。
技术关键词
代码开发方法
人工智能模型
样本
条件生成对抗网络
支持向量机模型
YOLOv3模型
卷积模块
训练集
生成器网络
序列
残差模块
文本
农业
工业
随机噪声
数据模块
图像
系统为您推荐了相关专利信息
高效学习方法
紧急控制策略
线路
分层
电网运行状态
设备状态监测
设备状态数据
监测策略
设备基础
决策
数据服务系统
物流服务系统
监控图像数据
人工智能模型
货运
机器学习模型
离子液体
优化机器学习
路易斯酸
路易斯碱