高可靠伪串行口的软硬件设计

介绍了一种实用的软件模拟串行口的方法，该方法较好地解决了单片机仅有一个串行口而不能满足多任务通信的问题。     

多评分者多任务情境下评分者信度的模型拟合研究

此研究以网上阅卷环境下多个评分者同时评阅翻译和作文为例,建立多个评分者完成多个任务的结构方程模型,对数据进行拟合,实现评分者信度的量化分析。通过五个结构方程模型比较,选择拟合效果较好的相关任务相关特性模型,计算多评分者多任务的评分者信度,并对同一评分者完成不同任务时评分者信度和同一评分任务下不同评分者的评分信度进行比较,实现对评分效果的评价,从而对评分者的选拔和有针对性培训提供科学支持。     

基于单片机测量电机转速的系统设计与实现

利用Philips P89C52X2单片机实现电机转速的测量，引入了嵌入系统合作式调度器的概念，开发了可进行多任务实现的可靠应用。     

促进计算机基础课教学的尝试

在“计算机基础”课程教学中,尝试应用信息化手段给学生更直观的认知;利用多任务拆分知识难点,循序渐进,帮助学生克服畏难情绪;制作融入知识点的小游戏,寓教于乐,让学生在游戏中掌握知识,在快乐中成长;尽量采用“精讲多练”的课堂教学模式,以学生为主体教师为辅,采用引导和启发的方法,不仅提升课堂有效性,也培养学生的自学能力.     

关于法则和角色在人工智能领域的讨论

在这篇文章里，我们讨论在多代理中法则和角色的概念。我们首先处理在理智实用型代理中目标，角色及规范的关系。然后，我们讨论面向团队的决策过程。     

研发的不确定性与研发人员激励契约的设计研究

研发人员的激励是企业不断创新、保持竞争优势的关键。从研发活动高度不确定性的特点出发，认为研发活动的不确定性主要是源于环境的不确定性和技术的不确定性，通过建立相应多任务代理模型，研究了研发活动中这两种不确定性对研发人员行为和最优契约的影响，并在此基础上对研发人员激励契约的设计提出了相关建议。     

Coral数字程控交换机常用命令的使用

Coral数字程控交换机软件系统提供了大量话机功能与设定操作,可在维护终端上直接进行,也可在话务台或多功能可编程数字话机上进行.功能强大的多任务实时处理系统,任何参数的设置与修改一经确认则立即实施、生效,不影响系统及全机的正常运行,大量的设置与修改只须输入"Y"或"N"即可完成,操作极为简便.     

有无注意任务对跳深落地动作的影响

目的 通过比较有无注意任务跳深落地动作下肢的生物力学差异,以及下肢优势侧与非优势侧表现的差异,从而间接分析注意任务对跳深运动的影响,为跳深练习提供理论上的指导和预防损伤的依据。方法 采用Vicon运动捕捉系统与三维测力台同步采集15名无运动等级体育生在有无注意任务状态下跳深落地动作的下肢生物力学参数,使用SPSS26.0对各项数据进行配对样本t检验比较。结果 1)与无注意任务比较,有注意任务的T_b2、T_a2显著减少(p<0.05),t₂、t₅、t₆的髋关节角度明显减小(p<0.05),t6的膝关节角度明显减小(p<0.05),t₅的力明显减小(p<0.05)。2)优势侧在无注意任务下的t₀、t₅、t₆的髋关节角度显著小于非优势侧,优势侧在有注意任务下的t₀、t₁、t2、t₅、t₆显...     

基于图神经网络的多模态视觉表征技术研究

联合了图神经网络(Graph Neural Network, GNN)和卷积神经网络,提出了一种新型的多模态模型(即GNNMMVisRe)以共同学习基于视觉和语义的视觉表征.GNNMMVisRe对输入的每个图像的邻居进行采样,通过聚合邻域内的节点特征向量以获得节点表征.使用在ImageNet上已经训练好的参数进行初始化,并对瓶颈层进行训练和微调以获得视觉表征,GNNMMVisRe将节点和视觉表征合并形成多模态表征.实验结果表明,与主流的模型相比,GNNMMVisRe拥有较高的性能.     

基于多任务学习和多态语义特征的中文疾病名称归一化研究

为解决在线文本中存在大量疾病指称的问题,提出了基于多任务学习和多态语义特征的中文疾病名称归一化模型(multi-task attention-dictionary BERT GRU-CNN,MTAD-BERT-GCNN)。首先利用word2vec和Glove生成融合局部和全局的外部语义特征向量;其次将CNN (convolutional neural networks)和BERT (bidirectional encoder representations from transformers)作为基准模型进行对比实验;接着在CNN上引入GRU (gated recurrent unit)、LSTM(long short-term memory)、Bi GRU (bi-directional gated recurrent unit)和Bi LSTM (bi-directional long short-term memory)以提取文本间语义关系;然后,基于多任务学习视角,将上述模型与BERT相结合以捕获静态和动态语义信息;最后,引入医学词典生成注意力权重词典作为辅助任务以调节静态向量...