edg战队

#! NX/KF 5.0 # #******************************************************************************************* # Design: GuiTu # Date : 2017.9.8 # E_mall: 1714787391@qq.com # QQ : 1714787391 # name : 批量层处理 #*********# 文件名与类名 #**************************************************************** Defclass: guitu_setlayer (%ui_comp) ; (string) title: "批量层处理"; (string) cue: "归途提示：选择要移动层对象"; ############################ 定义组区 ########################################### (list) DialogItems: {select_group:,fanyi_group:,set_group:}; # 对话框里组的 列表（list） ############################ 参数声名区 ##########################

翻译Pradeep Dasigi的一篇长文 Knowledge-Aware Natural Language Understanding 基于知识感知的自然语言理解 摘要 Natural Language Understanding (NLU) systems need to encode human gener- ated text (or speech) and reason over it at a deep semantic level. Any NLU system typically involves two main components: The first is an encoder, which composes words (or other basic linguistic units) within the input utterances compute encoded representations, which are then used as features in the second component, a predic- tor, to reason over the encoded inputs and produce the desired output. We argue that the utterances themselves

目录 1.写在前面 2.instantiation中UI 和EI的概念 3.如何利用Instantiation在knowlegebase中做proposotionalization（命题化）事情 1.写在前面 我们了解了一阶谓词逻辑的基本概念，接下来我们看一下， 在一阶谓词逻辑中如何做inference ，我们先介绍两个概念， UI和EI，这两个都是instantiation。就是把一个变数，替换成一个常数的技巧 。一个是针对Universal quantify，另一个是针对existence quantity。 2.instantiation中UI 和EI的概念 我们假设a是某个句子，前面 有全称量词for all。我们就可以用一个常数constant g替换掉全称量词v 。因为是针对所有的，那么我们换成任意一个肯定都是可以的。右侧的例子，我们可以 做同样的事情，把v替换成k，差别就是K不可以在KB之中 。我们待会儿会讲这个是为什么？下面例子，第一个任何贪婪的国王是邪恶的，我们x可以替换成任何的东西，因为他针对的是任意的。第二个例子讲了 存在一个人，但是我们不能随便替换，因为人是不同的。所以我们用一个常数C1替换，并且这个C1常数不能是kB中的已知任何东西 。之后我们可能会知道C1是小明或者小红，我们可能会演绎出这样的一个结论。 skolem constant指的是用过了C1

1.写在前面 propositionalize虽然可以做到我们想做到的事，但是它有点没效率。怎么样做更有效率点方法呢？我们来首先来介绍一个，我们叫Generalized Modus Ponens 2.Generalized Modus Ponens Generalized Modus Ponens，它其实就是Modus Ponens，就是还记得吗，Modus Ponens就是说，你如果知道一个前提，就可以imply这个结论（A=>B），如果我知道前提，那得到的结果就是结论。这是，这个叫做Modus Ponens，那generalized Modus Ponens就是说，我知道这个前提，可是 这个前提跟A不太一样，它长的有点像，又有点不像，就是一个A‘，它长的很像A，但是不太一样，但是我还是某种程度上可以的到这个结论，那只要我能找到对的替换，正确的替换，使得A跟A‘一样，那我就可以得到B的结论。 其实这边讲的就是说，如果我知道这些前提嘛，这个P1到Pn，这是我的前提，然后我要导到Q的结论，那我知道这些前提呢，可是我知道的不是exactly p1，我知道的是p1‘，它们长的很像，但是不太一样，然后p2也是跟p2‘一样，有点像，有点不一样，那如果您能找到一个substitution(替代)，也就是说你把p1‘和p1两个，你都用一种substitution Theta

使用CouchDB作为状态数据库 状态数据库选项 状态数据库包括LevelDB和CouchDB。LevelDB是嵌入在peer进程中的默认键/值状态数据库， CouchDB是一个可选的外部状态数据库。 与LevelDB键/值存储一样，CouchDB可以存储任何以chaincode建模的二进制数据（CouchDB附件函数在内部用于非json二进制数据）。但是，当chaincode值（例如，资产）被建模为JSON数据时，作为JSON文档存储，CouchDB支持对chaincode数据进行丰富的查询。 LevelDB和CouchDB都支持核心chaincode操作，例如获取和设置一个键（资产），并根据键进行查询。 键可以通过范围查询，可以对组合键进行建模，以支持针对多个参数的等价查询。 例如，作为所有者的组合键，资产id可以用于查询某个实体拥有的所有资产。 这些基于key的查询可以用于针对账本的只读查询，以及更新总账的事务。 如果将资产建模为JSON并使用CouchDB，那么就可以使用chaincode中的CouchDB JSON查询语言对chaincode数据值执行复杂的富查询，这些类型的查询对于理解账本上的内容很有帮助。对于这些类型的查询，事务协议响应通常对客户端应用程序有用，但通常不会作为事务提交到排序服务。事实上

Hyperledger Fabric 学习一：简介 https://www.jianshu.com/p/f971858b70f3?utm_campaign=maleskine&utm_content=note&utm_medium=seo_notes&utm_source=recommendation 1、Hyperledger简介 Hyperledger：超级账本，是首个面向企业应用场景的分布式账本平台，包括了：IBM、Intel、Cisco、DAH、摩根大通、R3等在内的众多科技和金融巨头的贡献参与，在银行、供应链等领域得到了广泛的关注和发展，目前已经拥有超过200家企业成员。 Hyperledger项目： 2015年12月，由开源世界的旗舰组织Linux基金会牵头，30家初始企业成员共同宣布Hyperledger联合项目成立。 成立之初，IBM贡献了4万多行已有的OpenBlockchain代码，Digital Asset则贡献了企业和开发者相关资源，R3贡献了新的金融交易架构，Inter也贡献了分布式账本相关的代码。 作为一个联合项目，旗下由面向不同的场景的子项目构成：包括Fabric、Sawtooth、Iroha、BlockChain Explorer、Cello、indy、Composer、Burrow等8大顶级项目。 Fabric：是一个带有准入机制的企业级联盟链项目

/* Generated By: IFC Tools Project EXPRESS TO JAVA COMPILER: Do not edit this file!! */ package ifc2x3javatoolbox.ifc2x3tc1; /** * This is a default implementation of the entity IfcEdge<br><br> *<br><br> * Copyright: CC BY-NC-SA 3.0 DE (cc) 2013 Eike Tauscher and Michael Theiler<br><br> * The whole package including this class is licensed under<br> * <a rel='license' href='http://creativecommons.org/licenses/by-nc-sa/3.0/de/deed.en/'> * Creative Commons Attribution-Non-Commercial-Share Alike 3.0 Germany</a>.<br><br> * If you are using the package or parts of it in any commercial way, a

论文： https://arxiv.org/abs/1503.02531 一、简介 对于几乎所有的机器学习算法，一种简单的提高性能的方法，就是使用同样的数据集训练多个不同的模型，测试时取他们的各自预测值的加权平均作为整个算法的最终输出结果。然而，这样做的缺点也是非常明显的，多个模型的集合体积庞大，且运算需求极大，难以部署在大量用户的机器上。 因此，本文主要做出了以下两点贡献： 提出一种 知识蒸馏（Knowledge Distillation） 方法，从大模型所学习到的知识中学习有用信息来训练小模型，在保证性能差不多的情况下进行模型压缩 提出一种新的 集成模型（Ensembles of Models） 方法，包括一个通用模型（Generalist Model）和多个专用模型（Specialist Models），其中，专用模型用来对那些通用模型无法区分的细粒度（Fine-grained）类别的图像进行区分 二、Knowledge Distillation 图 1 Knowledge Distillation 的整体框架如 图 1 所示，下面介绍一下图中的 几个概念 ： cumbersome model：复杂的大模型 distilled model：经过knowledge distillation后学习得到的小模型 hard targets：输入数据所对应的label 例：[0,0,1

智能合约部分 太困了，休假的时候再把图贴上 ..... 运行在 docker容器里面，如果需要调试只能通过打日志log方式 一个合约，就是一个用户用 go/java/ node编写的文件(包括：字符，方法，返回信息) 块中 （ chaincode目录下），一个合约只能对应一个目录 下面目录有用 go/java/node语言开发智能合约的代码 下面网址可以查看 channel跟存入的数据等（一个合约跟一个channel会生成一个库） 一个 channel下可以安装多个合约，每个合约都会生成一个数据库 安装合约 命令行代码 解释： -n : 合约名称 -v：合约版本 -p：合约所在目录 说明： 合约所在目录从 github.com开始，因为前面会自动从根目录(opt)目录层拼上路径 安装后，状态查看 --------------------------------------------------------------------------------------------------------------------------- 实例化合约 实例化操作是会存到区块链上的，需要指定是在哪个 channel里面上传区块。 指令： 说明： -n、-v跟上面指令相同 -o：指定order的节点 // 上块操作都必须只能 order节点 --tls --cafile：指定tls证书

Problem 当图所要表达的信息较多时, 图中可能会充满交叉的线[1-2], 甚至整个显示空间都被点、线所覆盖, 这时想通过观察来获取图中的重要信息将会变得非常困难, 这种现象称为图的视觉混乱. Keywords edge bundling; edge clusters; relation measuring; force-directed; visual clutter What they did Related work 已有多种解决图的视觉混乱问题的方法, 在图形方面大致可分为图的简化和图的重构2类. Methodology Results 来源： https://www.cnblogs.com/dulun/p/11978472.html