图论在计算机科学、信息科学、人工智能网络理论、系统工程、控制论、运筹学和 经济管理等领域有着广泛的应用。但很多图论问题虽易表达,却难以求解,其中有相当多 的图论问题均属NP完全问题。本章主要介绍工程实用简单图论问题的并行算法及其MP 编程实现,包括传递闭包、连通分量、最短路径和最小生成树等

1、产品设计、宣传与销售业务 它是旅行社的基本业务之一,就是将交通、住宿、景点的等综合信息组织起来,设计出各种吸引旅游者的产品,并将相关信息通过各种媒介传递出去,使消费者产生购买欲望

一、教学目的及要求 通过本章教学,使学生: 1.熟悉会计凭证与会计账簿的含义和种类 2.理解审核凭证与正确填制凭证的重要意义; 3.掌握会计凭证的填制方法 4.了解会计凭证的传递和保管; 5.理解设置和登记账簿对于系统地提供经济信息、加强经济管理的作用

第7章函数 71函数概述 7.2函数的定义 7.3函数的声明和调用 7.4参数的传递 7.5嵌套调用和递归调用 7.6指针与函数 7.7数组作为函数参数 7.8变量的作用域和存储类别 7.9外部函数和内部函数 7.10命令行参数 7.11实例演示:“极限俱乐部会员信息系统”程序

触觉作为人的一种独特的感官通道具有独特的优势，它不仅能最大限度的贴合人体的生理构造，传递硬度、大小、纹理、形状、温度等视听觉无法传递的信息，而且拥有快速准确的特性，触觉不仅可以实现全方位的感知，而且能够有效感知一些很难被视觉或听觉形式表达的更真实复杂的信息，和外界环境进行一系列的交互。振动触觉编码的设计是开发触觉的一个重要途径，也是未来人机交互的一种重要手段。本文从振动触觉感知机理入手，讨论了不同振动参数的振动触觉分辨率和振动信息编码理论，并按照方向导航和文字交互的应用对振动信息编码进行归纳总结，介绍了振动信息编码的实验手段和结论，最后展望了振动信息编码领域未来的发展前景

蛋白质的生物合成在细胞代谢中占有十分重要的地位。目前已经完全清楚,贮存遗传 信息的DNA并不是蛋白质合成的直接模板,DNA上的遗传信息需要通过转录传递给 mRNA。mRNA才是蛋白质合成的直接模板。mRNA是由4种核苷酸构成的多核苷酸, 而蛋白质是由20种左右的氨基酸构成的多肽,它们之间遗传信息的传递与从一种语言翻 译成另一种语言时的情形相似。所以人们称以mRNA为模板合成蛋白质的过程为翻译或 转译( translation 翻译的过程十分复杂,几乎涉及到细胞内所有种类的RNA和几十种蛋白质因子

2005年贵州大学家畜生理学硕士研究生入学统一考试 理论课考试大纲 第一部分考试说明 一、考试性质 全国硕士研究生入学考试是为高等学校招收硕士研究生而设置的,由招生单位自主命 题进行考试。其评价标准是高等学校优秀本科生能达到的及格或及格以上水平,以保证被 录取者具有较好的业务素质,利于硕士招生专业择优选拨。 二、考试的范围 考试的范围包括:细胞生物信息的传递、血液及循环、呼吸、消化、能量代谢、排 泄、肌肉、神经系统、内分泌和生殖泌乳等十部分组成

针对现有注浆加固试验装置难以平衡高压注浆所需密封效果和多功能试验所需空间结构的缺点,研制了一套新型多功能综合注浆加固试验系统.该试验系统的优点为:(1)尺寸适中、结构合理,既具有布设监测元件的试验空间又具有良好的密封效果;(2)适用范围广,可针对不同岩土体介质开展多类注浆加固试验;(3)具备多元物理信息并行采集功能;(4)可同时满足加固体宏观物理力学性质测试及浆-岩界面微观耦合机制的研究需求.该系统成功应用于断层角砾介质注浆加固室内模拟试验,分别从应力响应-传递特征、加固体强度增长规律及加固模式等方面探究了断层角砾介质的注浆加固机理,提出了角砾介质强度增长的经验公式,揭示了加固过程中注浆压力的传递分配机制

第一篇 基因概念的发展——遗传物质的结构、传递和表达 第一章 孟德尔(G.Mendel)遗传因子的概念——假设的生物性状的符号 第二章 基因——位于染色体上的遗传单位 第三章 基因的化学本质是 DNA 第四章 细菌和噬菌体的遗传分析 第五章 遗传的物质基础—DNA 第六章 个体发育——遗传信息传递和表达的统一体 第二篇 遗传物质的改变 第七章 染色体畸变 第八章 基因突变 第九章 遗传重组机制 第三篇 遗传学的主要分支学科 第十章 核外遗传学 第十一章 数量遗传学 第十二章 群体遗传学 第十三章 遗传学进展专题

为解决RNN–T语音识别时预测错误率高、收敛速度慢的问题，本文提出了一种基于DL–T的声学建模方法。首先介绍了RNN–T声学模型；其次结合DenseNet与LSTM网络提出了一种新的声学建模方法— —DL–T，该方法可提取原始语音的高维信息从而加强特征信息重用、减轻梯度问题便于深层信息传递，使其兼具预测错误率低及收敛速度快的优点；然后，为进一步提高声学模型的准确率，提出了一种适合DL–T的迁移学习方法；最后为验证上述方法，采用DL–T声学模型，基于Aishell–1数据集开展了语音识别研究。研究结果表明：DL–T相较于RNN–T预测错误率相对降低了12.52%，模型最终错误率可达10.34%。因此，DL–T可显著改善RNN–T的预测错误率和收敛速度