让我们从具有Amazon产品评论的数据集开始，构建结构化的类：6个“级别1”类，64个“级别2”类和510个“级别3”类。探索用于分层文本分类的各种方法。
train_40k.csv
unlabeled_150k.csv
val_10k.csv
2023-03-07 22:34:42
37.3MB
1
这些函数实现了 3D SPIHT 算法，用于压缩 3d 小波系数。 这种 3d 小波系数是在视频序列编码期间产生的。
2023-03-04 19:55:47
8KB
1
本文提出了一种新的优化算法，即分级人工蜂群优化算法，称为HABC，以解决射频识别网络规划（RNP）问题。 在提出的多层次模型中，较高层次的物种可以由较低层次的亚种群聚集。 在底层，每个采用规范ABC方法的子种群并行搜索零件尺寸最优值，可以将其构建为高层的完整解决方案。 同时，运用具有交叉和变异算子的综合学习方法来增强物种间的全局搜索能力。 针对一组10个基准优化问题进行了实验。 结果表明，与几种成功的群体智能算法和进化算法相比，拟议的HABC在大多数选定的基准函数上均具有出色的性能。 然后将HABC用于在两个不同规模的实例上解决现实世界中的RNP问题。 仿真结果表明，该算法在优化精度和计算鲁棒性方面优于RNP。
2023-03-02 16:40:05
2.75MB
1
当提供不适当的参数或将其应用于由具有不同形状，大小和密度的聚类组成的数据集时，大多数聚类算法将变得无效。 为了缓解这些不足，我们提出了一种新颖的拆分合并层次聚类方法，其中采用最小生成树（MST）和基于MST的图来指导拆分和合并过程。 在分割过程中，选择基于MST的图中具有高度的顶点作为初始原型，并使用K均值来分割数据集。 在合并过程中，将对子组对进行过滤，并且仅考虑相邻对。 所提出的方法除了簇数以外不需要任何参数。 实验结果证明了其在合成和真实数据集上的有效性。
2023-02-25 08:54:26
1.76MB
1
针对日趋复杂的微处理器功能验证，提出一种基于分层思想的受限随机激励产生方法，通过测试层、场景层、功能层和指令层的多层约束，实现随机激励在不同粒度范围的高度可控性，精炼测试空间，加快验证的收敛速度。采用可配置的功能库，将处理器功能行为单元作为随机激励的构建基础，产生逻辑功能与通信接口结合的随机激励，实现系列处理器的验证复用。CKCore处理器验证的实验结果表明，该方法与受限随机激励相比，在功能覆盖率相同的情况下，激励编写量减少60%；在仿真时间相同的情况下，功能和代码覆盖率分别改善10%和5%以上，有效提高处理器验证的质量和效率。
2023-02-02 10:29:31
2.04MB
1
网络
这是微软在EMNLP 2020的HMNet模型论文的官方代码，在PyTorch框架下实现。 要引用的相关是：
@Article{zhu2020a,
author = {Zhu, Chenguang and Xu, Ruochen and Zeng, Michael and Huang, Xuedong},
title = {A Hierarchical Network for Abstractive Meeting Summarization with Cross-Domain Pretraining},
year = {2020},
month = {November},
url = {https://www.microsoft.com/en-us/research/publication/end-to-end-abstractive-summarization-for-mee
2023-01-02 08:14:48
7.6MB
1
从系统拆分、数据传输、数据处理、异常处理、统筹管控等角度分析研究架构设计模式，如分层、分割、异步、隔离、缓存、并行、容错、安全等等
2023-01-01 18:18:25
29KB
1
缺陷预测旨在通过从历史缺陷数据中学习来估计软件的可靠性。 缺陷预测方法根据从软件项目中提取的指标来识别软件模块是否容易出现缺陷。 这些度量值（也称为特征）可能涉及不相关和冗余，这将损害缺陷预测方法的性能。 现有工作采用特征选择来预处理缺陷数据以滤除无用的特征。 在本文中，我们提出了一种新颖的特征选择框架MICHAC，它是通过层次聚类聚类通过最大信息系数进行缺陷预测的简称。 MICHAC分为两个主要阶段。 首先，MICHAC利用最大信息系数对候选特征进行排序，以过滤掉不相关的特征；其次，MICHAC通过分层聚集聚类对特征进行分组，并从每个结果组中选择一个特征以去除冗余特征。 我们使用三个具有四个性能指标（精度，召回率，F量度和AUC）的不同分类器，对11个被广泛研究的NASA项目和四个开源AEEEM项目评估了我们提出的方法。 与五种现有方法的比较表明，MICHAC可有效选择缺陷预测中的特征。
2022-12-28 17:17:59
271KB
1
分层训练信息技术必修一答案全文共4页，当前为第1页。分层训练信息技术必修一答案全文共4页，当前为第1页。分层训练信息技术必修一答案 分层训练信息技术必修一答案全文共4页，当前为第1页。 分层训练信息技术必修一答案全文共4页，当前为第1页。 情境题 （1）数据压缩 RLE（Run-LengthEncoding,行程长度编码）是一种编码方式，也是一种简单的无损压缩法，压缩和解压缩效率高。 RLE压缩法：利用控制字节的最高位来标识是否进行了压缩。当最高位为1时，则后面7位表示的是数据的重复次数；当最高位为0时，则后面7个位的数是被压缩的数据。 例如，如果有15个十六进制数都是30,那么，压缩后的编码为8F30。 说明：十六进制数8F转换为二进制是1000111，最高位是1，后面的7位0001111表示的是字节的重复次数15：十六进制数30转换为二进制是00110000，最高位是0，30是被重复的数据。采取这种方法，一个字符只有重复两次以上，才能被压缩。即使一个数据只重复3次，也可以获得30%的压缩比。 问题1：如果经过RLE压缩方法压缩后的数据为8A6F,那么解压缩前的数据是什么? 问题2：
2022-12-27 09:15:40
30KB
1
Windows驱动程序开发比较复杂，我将带领大家一起领略内核模式下编程的奥妙。
您将真正掌握内核编程的原理与技术，将技术水平提升一个档次，学会核心技术。
您将掌握Windows驱动开发的基本技术；灵活应用IRP、IO堆栈、设备栈、派遣函数等；
您将掌握Windows驱动的分层技术，了解WDM驱动的基本原理
您将掌握Windows驱动开发中的各种回调例程：完成例程、取消例程、DPC例程、APC例程、等等。
具体内容包括但不限于：
Windows驱动开发小白入门，Windows内核架构与驱动开发的基本概念，VS2015+VMware(win10x64)双机调试驱动，Win10x64中安装WDM驱动，驱动程序的基本结构（NT,WDM)，Windows内存管理，Windows内核函数，驱动程序的派遣函数，驱动程序的同步处理，IRP的同步，定时器，驱动程序调用驱动程序，分层驱动程序
2022-12-19 17:31:44
43.86MB
1