TaskGraphGenerator 可用于开发任务调度领域研究工作所需的任务图。任务图基于 4 种算法生成。现在使用我们的调度算法调度您的代码*！ *平台：LINUX

实验代码：relation_Extraction.zip

在OpenMP中使用task子句，把循环处理并行化，提高执行性能

Create React App入门 该项目是通过引导的。 可用脚本 在项目目录中，可以运行： npm start 在开发模式下运行应用程序。 打开在浏览器中查看它。 如果您进行编辑，则页面将重新加载。 您还将在控制台中看到任何棉绒错误。 npm test 在交互式监视模式下启动测试运行器。 有关更多信息，请参见关于的部分。 npm run build 构建生产到应用程序build文件夹。 它在生产模式下正确捆绑了React，并优化了构建以获得最佳性能。 生成被最小化，并且文件名包括哈希值。 您的应用已准备好进行部署！ 有关更多信息，请参见关于的部分。 npm run eject 注意：这是单向操作。 eject ，您将无法返回！ 如果您对构建工具和配置选择不满意，则可以随时eject 。 此命令将从您的项目中删除单个生成依赖项。 相反，它将所有配置文件和传递依赖项（we

ICDAR2013数据集，包括文本定位和文本分割两个task，共6个文件夹可供下载，经济实惠，提供给小伙伴们方便下载

论文题目：Adversarial Multi-task Learning for Text Classification 作者：Pengfei Liu, Xipeng Qiu and Xuanjing Huang 出处：ACL 2017 论文主要相关：多任务学习、文本分类、情感分析 概要：常规的多任务学习通常单纯的共享某些参数，导致共用特征空间和私有特征空间中存在大量冗余的特征。作者提出了一种对抗性多任务学习框架，缓解了共享特征空间和特定任务特征空间（私有潜在特征空间）之间的相互干扰的问题，并采用对抗学习确保共用特征空间中仅存在共用特征和任务无关的特征，辅以正交约束来去除私有和共用特征空间中冗余的特征。在16个任务的情感分析测试中，该框架比单任务学习平均效果提升了4.1%，比其他多任务学习框架（FS-MTL、 SP-MTL等）效果更好。并且实验结果表明模型的共享特征学习到的知识，容易被迁移到新任务的情感分析中。

：多机器人任务分配（MRTA） 由欧洲委员会Interreg France-Channel-England Program资助的旨在改进涉及自主协作机器人（CoRoT）的灵活，响应快速的制造系统的设计。 我的MRTA项目是CoRot的一部分，是在实验室，目的是构建由ROS-Melodic系统组成的，由机器人， 机器人和组装而成的多个AGV机器人。 该系统由主管系统控制，该主管系统包含基于理论开发的。 套餐概述 mrta ：向机器人分配任务的算法 mir_robot ：MIR100机械手的元软件包 universal_robot ：UR5机械手的元软件包 manipulator ：由UR5机械手和Robotiq 2F 140机械手组装的机械手的元包装 mm_robot ：由MIR100机器人，UR5机器人和Robotiq 2F 140夹爪组装而成的用于移动机械手的元软件包 usecase

lts分布式定时任务源码

主要用于方面级的细粒度文本情感分析，是全球性的细粒度情感分析赛事，16年增加了中文情感分析，数据集格式为.XML，实际使用还需要进行预处理

TASK：excel文件按要求导出至模板excel中（配套数据）