适应异构集群的Mesos多资源调度DRF增强算法

云计算集群环境下多资源分配的公平性是考量资源调度子系统最重要的指标之一,DRF作为通用的多资源公平分配算法,在异构异质的集群环境下可能有失公平性。在研究Mesos框架中DRF多资源公平分配算法的基础上,设计并实现了增加机器性能评估影响因子的meDRF分配算法。将计算节点的机器性能得分,作为DRF主导份额计算的因子,使得计算任务有均等的机会获得优质计算资源和劣质计算资源。通过选取K-means、Bayes及PageRank等多种作业进行实验,实验结果表明:meDRF较DRF分配算法更能体现多资源分配的公平性,且资源分配具有更好的稳定性,能有效提高系统资源的利用率。     

获得诺贝尔化学奖的女性科学家(下)

3.3霍奇金的中国情 多罗西·霍奇金在生物化学和医学事业上做出的卓越贡献,使她在全世界赢得了崇高声望.作为一名世界级的科学大师,霍奇金与中国有着深厚的友谊,她多次来到中国,与中国化学家有长期的交往并给予中国化学家宝贵的支持.1959年,她就作为周恩来总理特邀的参加国庆十周年庆典的国宾来到中国.     

引入瀑布模型的C语言程序设计教学模式研究

“新工科”对传统的编程教育模式提出了更高要求,C语言程序设计课程教学中学习目标不明确、教学方式单一、无法评估学习效果等一直是痛点问题。为解决以上问题,在教学设计过程中引入软件项目开发的瀑布模型,将教学过程分为六个阶段,对每个阶段进行教学质量控制,并持续对教学方案进行改进。教学实践表明该教学方案有效提高了课程的教学质量、学生满意度。     

知识感知的预训练语言模型综述

随着自然语言处理（NLP）领域中预训练技术的快速发展,将外部知识引入到预训练语言模型的知识驱动方法在NLP任务中表现优异,知识表示学习和预训练技术为知识融合的预训练方法提供了理论依据。概述目前经典预训练方法的相关研究成果,分析在新兴预训练技术支持下具有代表性的知识感知的预训练语言模型,分别介绍引入不同外部知识的预训练语言模型,并结合相关实验数据评估知识感知的预训练语言模型在NLP各个下游任务中的性能表现。在此基础上,分析当前预训练语言模型发展过程中所面临的问题和挑战,并对领域发展前景进行展望。     

获得诺贝尔化学奖的女性科学家

诺贝尔奖是遵照“世界炸药之父”诺贝尔生前遗嘱设立,于每年12月10日——诺贝尔去世的日子颁发的世界性大奖.     

多模态数据融合综述

随着当今信息技术的飞速发展,信息的存在形式多种多样,来源也十分广泛。不同的存在形式或信息来源均可被称之为一种模态,由两种或两种以上模态组成的数据称之为多模态数据。多模态数据融合负责将多个模态的信息进行有效的整合,汲取不同模态的优点,完成对信息的整合。自然现象具有十分丰富的特征,单一模态很难提供某个现象的完整信息。面对保持融合后具有各个模态信息的多样性以及完整性、使各个模态的优点最大化、减少融合过程造成的信息损失等方面的融合要求,如何对各个模态的信息进行融合成为了多个领域广泛存在的一个新挑战。简要阐述了常见的多模态融合方法、融合架构,总结了三个常见的融合模型,简要分析协同、联合、编解码器三大架构的优缺点以及多核学习、图像模型等具体融合方法。在多模态的应用方面,对多模态视频片段检索、综合多模态信息生成内容摘要、多模态情感分析、多模态人机对话系统进行了分析与总结。指出了当前多模态融合出现的问题,并提出未来的研究方向。     

少样本关系分类综述

少样本关系分类旨在通过少量的有标注训练样本，来挖掘自然语言文本中目标实体之间所蕴含的语义关系，以应对传统的关系分类方法所面临的资源匮乏问题，从而能够较好地推广到医学、金融以及民语处理等数据稀缺的特定领域。目前，少样本关系分类的相关研究工作均在元学习的训练策略下学习先验知识，并以此快速适应新的任务，其大体上可以划分为基于原型网络、基于预训练语言模型、基于参数优化以及基于图神经网络四种方式。回顾少样本关系分类的发展，对不同研究方法的优势和局限性进行深入剖析和总结，在此基础上，分析该领域当前所面临的棘手问题和挑战，并进一步对其未来的研究方向进行展望。