conformance中文的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

全球導航衛星系統接收機

為了解決conformance中文的問題，作者賴盈霖，張英彬 這樣論述：

　　本書除了介紹基本定位原理之外，還介紹一些實務的工程技術來提供讀者作為參考，因此本書不僅適用於大學或研究所電機電子相關領域的學生外，更適合於導航產業的工程師作為工程除錯和研發參考之用。除了基本的導航原理之外，本書還納入了GNSS接收機和手機系統的整合以及下一世代的GNSS系統和接收機的介紹。在所有的中文書中，本書的完整性和深入的程度應屬極佳，因此透過本書，讀者應能很輕易的掌握到GNSS相關的技術。

營建工程英文(增修版)(Construction English)

為了解決conformance中文的問題，作者許燕輝 這樣論述：

一、工程招標及邀標文件 二、合約條款與施工規範 三、施工計劃與報告 四、會議紀錄與備忘錄等 五、表格與工作指示

應用深度學習方法探討企業流程異常檢測之研究

為了解決conformance中文的問題，作者柯廷叡 這樣論述：

企業流程是營運核心價值，對企業而言，管理、制度、工作流程、開發等都有相對應的流程表現。流程會留下執行軌跡，也就是所謂工作日誌，傳統日誌分析仰賴逐步定點式檢測，除工作量大外，也只對固定內容報錯進行改進，許多未報錯的錯誤於流程系統中未被注意。本研究將採用深度神經網路(Deep Neural Network)中的遞迴神經網路(Recurrent Neural Networks ,RNN)、適合時間序列資料的長短期記憶(Long Short-Term Memory, LSTM)方式進行建模，建置的模型會根據日誌內容預測接下來會發生的事情，由於本身文字並不能直接拿來訓練，於是在資料前處理的過程中，將使

用Label Encoding的方式將日誌文本轉換為鍵值，而建構的模型可以透過測試時的loss值異常升高來尋找可能異常的流程內容，也可以透過Decode後的實際日誌鍵與真實日誌鍵進行比對，藉此分析是流程異常或是判斷錯誤，作為改善流程的參考依據，模型中以該模型以LSTM模型有較佳的表現。另以VOLVO公司提供於9th International Workshop on Business Process Intelligence 2013的服務流程資料集進行分析，藉此做為驗證，其流程預測最終結果準確率71.57%，也意味可降低傳統逐筆檢查日誌的數量至28.43%，另延伸使用Kaggle上的系統流程

資料集來延伸測試該模型可應用於不同型態資料，並有一定效果預測及檢測異常。