面向单记录的混合负载下物化视图异步增量维护任务生成

针对已有的混合负载(HTAP)下物化视图异步增量维护任务生成算法主要面向多记录,无法面向单记录生成HTAP物化视图异步增量维护任务,导致磁盘IO开销的增加,进而降低HTAP物化视图异步增量维护性能的问题,提出面向单记录的HTAP物化视图异步增量维护任务的生成方法。首先,建立面向单记录的HTAP物化视图异步增量维护任务生成的效益模型;然后,基于Q-learning设计面向单记录的HTAP物化视图异步增量维护任务的生成算法。实验结果表明,所提算法在实现面向单记录生成HTAP物化视图异步增量维护任务的基础上,将平均每秒读写操作次数(IOPS)、平均CPU利用率(2核)和平均CPU利用率(4核)至少分别降低了8.49次、1.85个百分点和0.97个百分点。

面向古文自然语言处理生成任务的大语言模型评测研究

大语言模型的频繁发布为大语言模型的评测研究带来了机遇与挑战,针对通用领域大语言模型的评测体系日趋成熟,而面向垂直领域的大语言模型评测仍在起步阶段,本文以古文领域评测为切入点,从语言和知识两个维度构建了一批古籍领域评测任务,并选取当前各大榜单中性能较为优越的13个通用领域大语言模型进行评测。评测结果显示,ERNIE-Bot在古籍领域知识方面遥遥领先于其他模型,而GPT-4模型在语言能力方面表现出最佳性能,在开源模型中,ChatGLM系列模型表现最为出色。通过构建评测任务和数据集,制定了一套适用于古籍领域的大语言模型评测标准,为古籍领域大语言模型性能评测提供了参考,也为后续古籍大语言模型训练过程中的基座模型选取提供了依据。

一种基于Agent的任务自生成方法

任务自生成是基于预先设定的业务工作流完成任务执行流程制定的一个过程,任务执行流程制定主要包括任务执行步骤选取与任务执行步骤相应的解决方案选取。提出一种基于Agent的任务自生成方法来解决基于传统的业务工作流的流程制定机制,在面对有差异性需求的不同任务时,因其不能做出任务执行流程制定的自适应性改变而在处理任务时出现处理速度慢、结果不准确等问题。利用Agent的环境感知能力实现对任务需求信息和任务自生成系统环境的感知,利用Agent的自主行为决策能力结合感知的信息实现对任务执行流程制定工作的自主管理,在真实应用场景测试中,通过一系列比较实验验证了这种方法在处理速度和准确度方面具有明显优势。

作战任务序列智能生成方式及其态势表征方法

作战任务序列(course of action,COA)智能生成,特别是战役层次COA智能生成,是军事智能决策领域研究的热点问题.COA智能生成领域多使用基于层次任务网络(hierarchy task network,HTN)、简单时序网络(simple temporal network,STN)等知识规则的方法,而很少采用以深度强化学习为代表的数据驱动智能技术.造成这种现象的原因之一是数据驱动智能技术依赖于有效的态势信息输入,而战役层次战场态势的高度复杂,无法直接输入智能模型,需要精心设计的态势抽象与表征模型作为输入来驱动智能模型.解决这一问题的关键是以具体的COA智能生成方式为牵引,根据COA智能生成模型的具体需求来确定态势抽象与表征方法.因此,研究了较为常用的COA生成方式,并进行对比分析,根据战役层次兵棋推演的特点,设计适用于战役层次COA智能生成方式;基于COA智能生成方式的关键信息需求,提出基于作战能力的战场态势的抽象与表征方法;该方法可以为数据驱动的COA智能生成模型提供恰到好处的输入,并在2020年“先知·兵圣”战略战役兵棋对抗演习中得到检验验证.

基于多通道多步融合的生成式视觉对话模型

当前视觉对话任务在多模态信息融合和推理方面取得了较大进展,但是,在回答一些涉及具有比较明确语义属性和位置空间关系的问题时,主流模型的能力依然有限。比较少的主流模型在正式响应之前能够显式地提供有关图像内容的、语义充分的细粒度表达。视觉特征表示与对话历史、当前问句等文本语义之间缺少必要的、缓解语义鸿沟的桥梁,因此提出一种基于多通道多步融合的视觉对话模型MCMI。该模型显式提供一组关于视觉内容的细粒度语义描述信息,并通过“视觉−语义−对话”历史三者相互作用和多步融合,能够丰富问题的语义表示,实现较为准确的答案解码。在VisDial v0.9/VisDial v1.0数据集中,MCMI模型较基准模型双通道多跳推理模型(DMRM),平均倒数排名(MRR)分别提升了1.95和2.12个百分点,召回率(R@1)分别提升了2.62和3.09个百分点,正确答案平均排名(Mean)分别提升了0.88和0.99;在VisDial v1.0数据集中,较最新模型UTC(Unified Transformer Contrastive learning model),MRR、R@1、Mean分别提升了0.06百分点,0.68百分点和1.47。为了进一步评估生成对话的质量,提出类图灵测试响应通过比例M1和对话质量分数(五分制)M2两个人工评价指标。在VisDial v0.9数据集中,相较于基准模型DMRM,MCMI模型的M1和M2指标分别提高了9.00百分点和0.70。

高校实验任务自动生成系统的设计与开发

该文主要阐述了针对高校的实验任务自动生成系统的设计与开发,对管理信息系统、Internet信息服务和asp开发环境进行了研究,简要介绍了该系统的具体设计以及采用的主要工具。

生成与体验:教学任务群建构和实施的路径

为了有效推进任务群教学,激发学生创见,本研究在“大单元”的宏观视阈下,基于学生的学习个性和学习规律,从促“任务生成”与重“活动体验”两条路径,以教学实证的方式探究任务群的构建和实施。

“任务导向-合作生成”教学模式在中职外贸单证实务教学中的应用研究

本文介绍了“任务导向-合作生成”教学模式在外贸单证实务教学中的应用。主要研究了“任务导向-合作生成”教学模式的含义、特点，重点是“任务导向-合作生成”教学模式在外贸单证实务教学中的具体应用、实施步骤、取得的成效及今后努力的方向。

某型复杂工程机械变速箱体复合工艺约束机加工线平衡研究

为解决机加工生产线平衡问题所包含的加工任务刀具需求、机床类型需求、加工方位约束、“紧密”型和“或”型约束等复杂条件,建立了机加工生产线平衡数学模型,并采用含多重筛选机制的粒子群算法进行了求解。首先,建立了满足此复杂实际约束条件的机加工生产线平衡问题数学模型;然后,采用粒子的位置坐标作为粒子群搜索的权重信息,进行了加工任务、集中任务的选取,并设计了多重筛选机制构造启发式任务集生成规则;采用此规则对待分配加工任务进行了多重筛选,以得到可供直接分配的加工任务集合,粒子群算法(PSO)从此集合中依次选取了加工任务,构成了完整的解,并形成了具体的任务分配方案;最后,为提高程序的实用性和可视性,设计了加工任务的甘特图生成模块,通过对某复杂工程机械变速箱体零件的实际案例研究,将简化后的任务信息代入算法进行了求解。研究结果表明:该方法实现了多组平衡率高于90%的优化结果,在节拍时间为1120 s时,得到94.66%的较高平衡率,排产方案表格内容与甘特图显示一致;算法推演结果满足设定的多种复合约束条件,通过与人工排产对比说明了该算法的有效性并具有较好的经济性、实用性;对柔性生产案例进行探讨,证明该算法运算结果具备一定的生产柔性。

静态并行任务调度模拟工具的设计与实现

介绍构建的一个包含12种静态并行任务调度算法的模拟器TSAS和一个可视化的任务图生成器VTGG,并给出以它们为工具得到的各种任务调度算法的性能数据。

同步语言多线程代码生成的语义保持证明方法

同步语言具有确定性并行和精确时间语义等特性,因此被广泛用于设计和验证安全关键软件.随着安全关键领域应用多核处理器逐渐成为趋势,同步语言的多线程代码生成及其语义保持证明研究成为研究热点.目前,已有同步语言代码生成方法还较少考虑多线程代码生成的语义保持证明.因此,本文提出一种同步语言SIGNAL多线程代码生成的语义保持证明方法:首先形式化定义编译过程中源、目标、中间语言的结构化操作语义;其次形式化定义多线程代码生成过程;最后基于互模拟等价思想证明编译前后的语义一致性.

多任务学习

随着图像处理,语音识别等人工智能技术的发展,很多学习方法尤其是采用深度学习框架的方法取得了优异的性能,在精度和速度方面有了很大的提升,但随之带来的问题也很明显,这些学习方法如果要获得稳定的学习效果,往往需要使用数量庞大的标注数据进行充分训练,否则就会出现欠拟合的情况而导致学习性能的下降.因此,随着任务复杂程度和数据规模的增加,对人工标注数据的数量和质量也提出了更高的要求,造成了标注成本和难度的增大.同时,单一任务的独立学习往往忽略了来自其它任务的经验信息,致使训练冗余重复和学习资源的浪费,也限制了其性能的提升.为了缓解这些问题,属于迁移学习范畴的多任务学习方法逐渐引起了研究者的重视.与单任务学习只使用单个任务的样本信息不同,多任务学习假设不同任务数据分布之间存在一定的相似性,在此基础上通过共同训练和优化建立任务之间的联系.这种训练模式充分促进任务之间的信息交换并达到了相互学习的目的,尤其是在各自任务样本容量有限的条件下,各个任务可以从其它任务获得一定的启发,借助于学习过程中的信息迁移能间接利用其它任务的数据,从而缓解了对大量标注数据的依赖,也达到了提升各自任务学习性能的目的.在此背景之下,本文首先介绍了相关任务的概念,并按照功能的不同对相关任务的类型进行划分,之后对它们的特点进行了逐一描述.然后,本文按照数据的处理模式和任务关系的建模过程不同将当前的主流算法划分为两大类:结构化多任务学习算法和深度多任务学习算法.其中,结构化多任务学习算法采用线性模型,可以直接针对数据进行结构假设并且使用原有标注特征表述任务关系,同时,又可根据学习对象的不同将其细分为基于任务层面和基于特征层面两种不同结构,每种结构有判别式方法和生成式方法两种实现手段.与结构化多任务学习算法的建模过程不同,深度多任务学习算法利用经过多层特征抽象后的深层次信息进行任务关系描述,通过处理特定网络层中的参数达到信息共享的目的.紧接着,以两大类算法作为主线,本文详细分析了不同建模方法中对任务关系的结构假设、实现途径、各自的优缺点以及方法之间的联系.最后,本文总结了任务之间相似性及其紧密程度的判别依据,并且分析了多任务作用机制的有效性和内在成因,从归纳偏置和动态求解等角度阐述了多任务信息迁移的特点.

多任务多联盟并行生成:模型与求解

联盟生成是MAS的一个关键问题,现有的工作主要研究如何针对一个任务生成最优联盟,很少考虑多任务多联盟生成问题(MMG).对MMG问题建立了模型,并进行了分析.在系统能力受限的条件下给出一种并行算法,首先找出最优可达任务集,再针对每个任务生成相应的联盟,从而实现了问题的分布并行求解.最后通过仿真试验说明了此算法的有效性.

网格调度的算法研究及改进

优化网格资源调度算法可以提高网格系统执行效率,给任务安排合理的执行顺序和合适的处理器是优化网格资源调度算法需突破的关键技术。文中研究并实现了(HeterogeneousEarliest-Finish)HEFT[1]算法和新的(Hierarchical Reliability-Driven Scheduling)HRDS算法。采用DAG[2]任务图生成函数,通过对已有HEFT算法进行研究,采用SimGrid为在分布计算环境下进行分布并行应用调度研究提供一个仿真环境,对HRDS算法进行了改进和验证。验证过程中在HRDS算法中加入了可靠性开销作为调度依据,并把算法分为两层调度,本地可靠性驱动调度和全局可靠性驱动调度。两算法的调度结果在SimGrid网格模拟器中仿真调度,仿真成功并且调度结果在可靠性和性能方面HRDS都比HEFT算法要好。

颞叶癫痫患者脑语言功能的Bold-fMRI研究

目的利用Bold-f MRI研究颞叶癫痫(TLE)患者与正常对照组在语言任务模式下脑激活的差异,探讨颞叶癫痫患者脑语言功能改变的影像学表现。方法对经过手术病理证实的17例发作间期右利手TLE患者及相匹配14例正常对照者行动词生成语言任务的脑部Bold-f MRI检查。采用SPM 8软件对Bold-f MRI脑功能图像进行数据处理和分析,采用两样本t检验比较癫痫组和对照组动词生成语言任务的f MRI激活图差异。结果 Bold-f MRI脑激活结果显示,左侧颞叶癫痫组与对照组比较脑功能激活减低的区域有双侧额下回、颞下回、双侧枕叶、双侧小脑半球、双侧岛叶、前扣带回、双侧中央前回、辅助运动区及左侧海马、舌回,激活增高的区域为右侧楔前叶;右侧颞叶癫痫组与对照组比较,脑功能激活减低的区域有右侧额下回、中央后回及岛叶。说明左侧颞叶癫痫对语言相关功能区的影响较大。结论颞叶癫痫患者动词生成任务Bold-f MRI脑功能激活范围及强度较健康对照组明显降低,以左侧颞叶癫痫者为著。

中文科技论文标题自动生成系统的设计与实现

【目的】设计中文科技论文标题自动生成系统,根据科技论文摘要自动生成论文标题,辅助研究人员进行科技论文标题的写作。【方法】重点解决系统构建过程中涉及的三个关键问题:基于中国科学引文数据库构建大规模训练数据集,为系统提供数据支撑;基于BERT-UniLM构建标题生成模型,以取得较好的生成效果;基于HTTP设计应用程序接口,以实现系统的开放调用。【结果】初步实现了中文科技论文标题自动生成系统,能够生成较为恰当地反映论文内容的标题。【局限】BERT模型具有最大输入长度限制,对于输入超过长度限制的摘要会自动截断,因此较长摘要的标题生成效果可能会受到影响。【结论】重点从数据、模型、开放调用三个方面设计和实现了中文科技论文标题自动生成系统,为科研人员及文献服务机构提供便捷易用工具,并为其他科技文本进行标题自动生成提供了一种实践路径。

左旋多巴对早中期特发型帕金森病患者抑制性控制能力的影响

目的通过随机数生成(random number generation,RNG)任务评估左旋多巴对帕金森病患者抑制性控制能力的影响。方法纳入2020年3月至2022年6月大连市友谊医院神经内科运动障碍门诊临床确诊的帕金森病患者47例,本院体检中心招募的年龄、性别及受教育程度相匹配且认知正常的健康志愿者45例。所有被试均执行2次不同速率RNG任务,将结果转换为连续数字序列量度值和随机数字序列量度值。使用SPSS 22.0软件进行统计学分析,采用混合设计方差分析对2组被试在用药/停药时不同速率RNG任务中的表现进行比较;计算最小临床重要性差值(the minimum clinical importance difference,MCID)评估存在统计学意义的药物效应是否具有临床意义。结果(1)药物和认知负荷对随机数字序列量度值的交互作用显著(F=15.15,P=0.03),表现为用药时且仅在慢速率时随机数字序列量度值更高[停药:(44.79±16.33)分,用药:(51.95±21.82)分;t=4.25,P=0.02];并且慢速率时用药与停药时随机数字序列量度值的差值(7.16)>MCID值(3.29)。(2)认知负荷对连续数字序列量度值的主效应显著(F=65.97,P<0.001),表现为快速率时连续数字序列量度值更高[快:(71.45±37.98)分,慢:(36.33±16.17)分]。结论左旋多巴在低认知负荷时可以改善帕金森病患者的抑制性控制能力。