<pre id="lq0nf"><label id="lq0nf"></label></pre>
<td id="lq0nf"><strike id="lq0nf"></strike></td>
  • <object id="lq0nf"><meter id="lq0nf"></meter></object>
    <object id="lq0nf"><nav id="lq0nf"><noframes id="lq0nf">
  • <pre id="lq0nf"><label id="lq0nf"></label></pre>
    1. 侵权投诉

      深度学习:四种利用少量标注数据进行命名实体识别的方法

      深度学习自然语言处理 ? 2021-01-03 09:35 ? 次阅读

      导读

      近年来,深度学习方法在特征抽取深度和模型精度上表现优异,已经超过了传统方法,但无论是传统机器学习还是深度学习方法都依赖大量标注数据来训练模型,而现有的研究对少量标注数据学习问题探讨较少。本文将整理介绍四种利用少量标注数据进行命名实体识别的方法。

      面向少量标注数据的NER方法分类

      基于规则、统计机器学习和深度学习的方法在通用语料上能取得良好的效果,但在特定领域、小语种等缺乏标注资源的情况下,NER 任务往往得不到有效解决。然而迁移学习利用领域相似性,在领域之间进行数据共享和模型共建,为少量标注数据相关任务提供理论基础。本文从迁移的方法出发,按照知识的表示形式不同,将少量标注数据NER 方法分为基于数据增强、基于模型迁移、基于特征变换、基于知识链接的方法。如图1所示,在这 20 多年间,四种方法的发文数量基本呈上升趋势,整体而言,当前的研究以数据增强、模型迁移为主,而其他的方法通常配合前两种方法使用,在研究中也值得关注。

      211ccf60-4691-11eb-8b86-12bb97331649.png

      图1 1995年-2019年四种方法的使用情况

      基于数据增强的NER方法

      数据增强的方法即:在少量数据集训练模型导致过拟合时,通过样本选择、权重调整等策略以创建高质量样本集,再返回分类器中迭代学习,使之能够较好地完成学习任务的方法。

      (1)样本选择。在面向少量标注数据时,最直接的策略是挑选出高质量样本以扩大训练数据。其中,样本选择是数据增强式 NER 的核心???,它通过一定的度量准则挑选出置信度高、信息量大的样本参与训练,一种典型的思路为主动学习采样,例如 Shen 等利用基于“不确定性”标准,通过挖掘实体内蕴信息来提高数据质量。在实践中,对于给定的序列 X=(x1, x2,…xi) 和标记序列Y=(y1, y2,…yi),x 被预测为 Y 的不确定性可以用公式(1)来度量,其中 P(y) 为预测标签的条件分布概率,M 为标签的个数,n 为序列的长度:

      21598ebe-4691-11eb-8b86-12bb97331649.png

      为了验证主动学习采样的性能,在人民日报(1998 年)语料中进行实验,共迭代十次,其中 Random 为迭代中随机采样,ALL 为一次训练完所有数据的结果,Active-U 为利用数据增强的结果。实验结果(如图 2)表明,利用数据增强方法在第 7 次迭代中就能达到拟合,节省了 30% 的标注成本。

      218b1f1a-4691-11eb-8b86-12bb97331649.png

      图2基于数据增强方法的实例

      也有不同学者利用其他的度量准则,例如高冰涛等人通过评估源域样本在目标领域中的贡献度,并使用单词相似性和编辑距离,在源域样本集和目标样本集上计算权值来实现迭代学习。Zhang 等人充分考虑领域相似性,分别进行域区分、域依赖和域相关性计算来度量。这些方法利用无监督模式通过降低统计学习的期望误差来对未标记样本进行优化选择,能够有效减少标注数据的工作量。此外,半监督采样也是一种新的思路。例如在主动学习的基础上加入自学习(Self-Training)、自步学习(Self-Paced Learning,SPL)过程,这些方式通过对噪声样本增大学习难度,由易到难地控制选择过程,让样本选择更为精准。

      (2)分类器集成。在数据增强中,训练多个弱分类器来获得一个强分类器的学习方式也是一种可行的思路。其中典型的为 Dai 等人提出集成式 TrAdaBoost 方法,它扩展了 AdaBoost 方法,在每次迭代的过程中,通过提高目标分类样本的采样权重、降低误分类实例样本的权重来提高弱分类器的学习能力。TrAdaBoost 利用少量的标签数据来构建对源域标签数据的样本增强,最后通过整合基准弱分类器为一个强分类器来进行训练,实现了少样本数据的学习。之后的研究针对 TrAdaBoost 进行了相应的改进也取得了不错的效果。例如,王红斌等人在分类器集成中增加迁移能力参数,让模型充分表征语义信息,在 NER 中提高精度也能显著减少标注成本。

      基于模型迁移的NER方法

      基于模型迁移的基本框架如图 3 所示,其核心思想是利用分布式词表示构建词共享语义空间,然后再迁移神经网络的参数至目标领域,这是一种固定现有模型特征再进行微调(Fine-Tuning) 的方法,在研究中共享词嵌入和模型参数的迁移对 NER 性能产生较大影响。

      21ac572a-4691-11eb-8b86-12bb97331649.png

      图3模型迁移基本结构

      (1)共享词嵌入。在 NLP 中,前期工作通?;峤柚镅栽ぱ盗纺P脱拔谋镜拇室逍畔?,这种方式构建了公共的词嵌入表示空间,词嵌入在 NER 中通常作为输入。词向量是共享词嵌入的初步形式,此后,ELMo模型利用上下文信息的方式能解决传统词向量不擅长的一词多义问题,还能在一定程度上对词义进行预测逐渐受到人们关注。而 2018 年谷歌提出的 BERT预训练模型更是充分利用了词义和语义特性,BERT 是以双向 Transformer为编码器栈的语言模型,它能强有力地捕捉潜在语义和句子关系,基于 BERT 的 NER 在多个任务上也取得 state-of-the-art,其基本网络结构如图4所示。

      21f45c82-4691-11eb-8b86-12bb97331649.png

      图4模型迁移的基础方法-BERT-BiLSTM-CRF

      其中 BERT 作为语义表示输入,BiLSTM抽取特征,CRF 获取概率最大标签。与传统的NER 模型相比,该模型最关键的是 BERT 语言模型的引入,BERT 通过无监督建模的方式学习海量互联网语义信息,能充分表征实体的语义信息。在人民日报(1998年)语料中进行实验,实验结果(如表 1)表明,基于 BERT 的预训练迁移学习模型能有效提高分类的准确率。

      表1BERT-BiLSTM-CRF与其他方法的比较

      22439b6c-4691-11eb-8b86-12bb97331649.png

      (2)共享参数。共享词嵌入侧重于词义的表示,而共享参数则侧重于模型参数的迁移。例如,Jason 等人从神经网络迁移机制以及迁移哪些层进行大量实验,实验结论显示浅层网络学习知识的通用特征,具有很好的泛化能力,当迁移到第 3 层时性能达到饱和,继续迁移会导致“负迁移”的产生。Giorgi 等人基 于 LSTM 进行网络权重的迁移,首先将源领域模型参数迁移至目标领域初始化,之后进行微调使适应任务需要。而 Yang 等人从跨领域、跨应用、跨语言迁移出发测试模型迁移的可行性, 在 一 些 benchmarks 上实现了 state-of-the-art。整体而言,在处理 NER 任务时良好的语义空间结合深度模型将起到不错的效果,在迁移过程中模型层次的选择和适应是难点。

      基于特征变换的NER方法

      在面向少量标注数据 NER 任务时,我们希望迁移领域知识以实现数据的共享和模型的共建,在上文中我们从模型迁移的角度出发,它们在解决领域相近的任务时表现良好,但当领域之间存在较大差异时,模型无法捕获丰富、复杂的跨域信息。因此,在跨领域任务中,一种新的思路是在特征变换上改进,从而解决领域数据适配性差的问题?;谔卣鞅浠坏姆椒ㄊ峭ü卣骰ハ嘧苹蛘呓从蚝湍勘暧虻氖萏卣饔成涞酵骋惶卣骺占?,来减少领域之间差异的学习过程,下面主要从特征选择和特征映射的角度进行探讨。

      (1)特征选择。即通过一定的度量方法选取相似特征并转换,在源域和目标域之间构建有效的桥梁的策略。例如 Daume 等人通过特征空间预处理实现目标域和源域特征组合,在只有两个域的任务中,扩展特征空间 R^F 至 R^3F,对应于域问题,扩展特征空间至 R^(K+1)F。然而当 Yi 与 YJ 标签空间差异较大时,这种线性组合效果可能不理想,Kim 等人从不同的角度出发,进行标签特征的变换,第一种是将细粒度标签泛化为粗粒度标签。例如源域标签中 泛化为

      (2)特征映射。即为了减少跨领域数据的偏置,在不同领域之间构建资源共享的特征空间,并将各领域的初始特征映射到该共享空间上。利用预测的源标签嵌入至目标领域是一种常见策略。例如,Qu 等人从领域和标签差异出发,首先训练大规模源域数据,再度量源域和目标域实体类型相关性,最后通过模型迁移的方式微调。其基本步骤为:

      1、通过 CRF学习大规模数据的知识;

      2、使用双层神经网络学习源域与目标域的命名实体的相关性;

      3、利用 CRF 训练目标域的命名实体。

      实验结果显示相较于 Baseline 方法 Deep-CRF,TransInit 方法能提高 160% 的性能。

      标签嵌入的方式在领域之间有较多共享标签特征时迁移效果不错,但是这种假设在现实世界中并不普遍。一种新的思路是在编解码中进行嵌入适配(如图 5),这种方式利用来自预训练源模型的参数初始化 Bi-LSTM-CRF 基础模型,并嵌入词语、句子和输入级适配。具体而言,在词级适配中,嵌入核心领域词组以解决输入特征空间的领域漂移现象。在句子级适配中,根据来自目标域的标记数据,映射学习过程中捕获的上下文信息。在输出级适配中将来自 LSTM 层输出的隐藏状态作为其输入,为重构的 CRF 层生成一系列新的隐藏状态,进而减少了知识迁移中的损失。

      2288b800-4691-11eb-8b86-12bb97331649.png

      图5特征变换方法TransInit实验结果

      基于知识链接的NER方法

      基于知识链接的 NER,即使用本体、知识库等结构化资源来启发式地标记数据,将数据的结构关系作为共享对象,从而帮助解决目标 NER 任务,其本质上是一种基于远程监督的学习方式,利用外部知识库和本体库来补充标注实体。例如 Lee 等人的框架(如图 6),在 Distant supervision ???,将文本序列与 NE词典中的条目进行匹配,自动为带有 NE 类别的大量原始语料添加标签,然后利用 bagging和主动学习完善弱标签语料,从而实现语料的精炼。一般而言,利用知识库和本体库中的链接信息和词典能实现较大规模的信息抽取任务,这种方法有利于快速实现任务需求。

      22c42214-4691-11eb-8b86-12bb97331649.png

      图6知识链接与数据增强结合模型

      (1)基于知识库。这种方式通常借用外部的知识库来处理 NER、关系抽取、属性抽取等任务,在现实世界中如 Dbpedia、YAGO、百度百科等知识库存在海量结构化信息,利用这些知识库的结构化信息框、日志信息可以抽取出海量知识。例如,Richman 等人利用维基百科知识设计了一种 NER 的系统,这种方法利用维基百科类别链接将短语与类别集相关联,然后确定短语的类型。类似地,Pan 等人利用一系列知识库挖掘方法为 200 多种语言开发了一种跨语言的名称标签和链接结构。在实践中,较为普遍的是联合抽取实体和实体关系。例如Ren 等的做法,该方法重点解决领域上下文

      无关和远程监督中的噪声问题,其基本步骤为:

      1、利用 POS 对文本语料进行切割以获得提及的实体;

      2、生成实体关系对;

      3、捕获实体与实体关系的浅层语法及语义特征;

      4、训练模型并抽取正确的实体及关系。

      在 NYT 等语料上进行实验(如表 2),基于知识库的方法相较于基线方法有显著提高。

      表2不同语料下实体的F1值

      22ff9e3e-4691-11eb-8b86-12bb97331649.png

      (2)基于本体系统。该方式通过一定的规则,将本体库中的概念映射为实体。例如史树敏等人通过构建的 MPO 本体,首先利用CRF 获得高召回率的实体,再融合规则过滤噪声,最终获得较为精确的匹配模式。相似地,Lima 等人通过开发出 OntoLPER 本体系统,并利用较高的表达关系假设空间来表示与实体—实体关系结构,在这个过程中利用归纳式逻辑编程产生抽取规则,这些抽取规则从基

      于图表示的句子模型中抽取特定的实体和实体关系实例。同样地,李贯峰等人首先从 Web网页提取知识构建农业领域本体,之后将本体解析的结果应用在 NER 任务中,使得 NER 的结果更为准确。这些方法利用本体中的语义结构和解析器完成实体的标准化,在面向少量标注的 NER 中也能发挥出重要作用。

      四种方法比较

      上述所介绍的 4 种面向少量标注的 NER 方法各有特点,本文从领域泛化能力、模型训练速度、对标注数据的需求和各方法的优缺点进行了细致地比较,整理分析的内容如表 3 所示。

      2423db72-4691-11eb-8b86-12bb97331649.png

      面向少量标注数据 NER,最直接的方法是数据增强,通过优先挑选高质量样本参与训练,这种方法在窄域中能实现较高的准确率。但是针对不同领域所需的策略也不同,领域的泛化能力一般。模型迁移从海量无结构化文本中获取知识,这种方式对目标领域的数据需求较少,只需“微调”模型避免了重新训练的巨大开销,但是它依赖领域的强相关性,当领域差异性太大时,容易产生域适应问题。

      相较于模型迁移,特征变换更加注重细粒度知识表示,这种方法利用特征重组和映射,丰富特征表示,减少知识迁移中的损失,在一定程度上能实现“零样本”学习,但是这种方法往往难以求出优化解,过适配现象也会造成消极影响。知识链接能利用任何结构化信息,通过知识库、本体库中的语义关系来辅助抽取目标实体,但是这种方法易产生噪声,实体的映射匹配依赖强假设条件,所需的知识库通常难以满足领域实体的抽取。

      方法评测比较

      如表4所示四类面向少量标注数据的典型方法与评测信息如下:

      24b6c9f0-4691-11eb-8b86-12bb97331649.png

      结语

      当有大量标注数据可供模型训练时,NER任务往往能够得到很好的结果。但是在一些专业领域比如生物医药领域,标注数据往往非常稀缺,又由于其领域的专业性,需要依赖领域专家进行数据标注,这将大大增加数据的标注成本。而如果只用少量的标注数据就能得到同等效果甚至更好的效果,这将有利于降低数据标注成本。

      参考资料

      [1]石教祥,朱礼军,望俊成,王政,魏超.面向少量标注数据的命名实体识别研究[J].情报工程,2020,6(04):37-50.

      责任编辑:xj

      原文标题:综述 | 少量标注数据下的命名实体识别研究

      文章出处:【微信公众号:深度学习自然语言处理】欢迎添加关注!文章转载请注明出处。

      原文标题:综述 | 少量标注数据下的命名实体识别研究

      文章出处:【微信号:zenRRan,微信公众号:深度学习自然语言处理】欢迎添加关注!文章转载请注明出处。

      收藏 人收藏
      分享:

      评论

      相关推荐

      华为开发者大会2021智能硬件开发—正确的数据分级分类

      2021年10月22日~24日,华为将在中国松山湖举行2021华为开发者大会,聚焦鸿蒙系统、智能家居....
      的头像 汽车玩家 发表于 10-23 15:21 ? 119次 阅读
      华为开发者大会2021智能硬件开发—正确的数据分级分类

      华为开发者HarmonyOS零基础入门:UI组件设计开发实践

      华为开发者HarmonyOS零基础入门:UI组件设计开发实践之图库应用介绍,应用数据加载显示模型图片....
      的头像 lhl545545 发表于 10-23 10:58 ? 146次 阅读
      华为开发者HarmonyOS零基础入门:UI组件设计开发实践

      华为开发者HarmonyOS零基础入门:系统能力调用示例

      华为开发者HarmonyOS零基础入门:系统能力调用示例,修改组件属性页面加载参数接收数据连接,优化....
      的头像 lhl545545 发表于 10-23 10:44 ? 174次 阅读
      华为开发者HarmonyOS零基础入门:系统能力调用示例

      分布式锁三个属性和两大类

      “分布式锁”这个问题快被说烂了,奈何笔者实在没有找到一个满意的答案,故记录自己寻找答案、总结的过程。....
      的头像 数据分析与开发 发表于 10-22 17:30 ? 254次 阅读

      埋点实践过程中遇到的一些问题

      埋点本身现在已经有太多的集成解决方案,神策、诸葛IO、GIO,但是在实践的过程中仍然还是会碰都很多问....
      的头像 数据分析与开发 发表于 10-22 16:33 ? 212次 阅读

      支持数据转发和基于FPGA的图像处理卸载的图像采集卡

      单输入至四输入的CoaXPress 2.0图像采集卡,支持数据转发和基于FPGA的图像处理卸载 用于....
      的头像 广州虹科电子科技有限公司 发表于 10-22 10:38 ? 517次 阅读
      支持数据转发和基于FPGA的图像处理卸载的图像采集卡

      思迈特软件Smartbi:数据看板搭建的常见错误分析

      但在实际工作中,由于拉新、留存、转化分别由市场、产品、运营三个部门负责,用户增长数据分隔在三个部门的....
      发表于 10-22 10:37 ? 27次 阅读

      北明软件参加华为开发者大会2021

      据消息,北明软件参加华为开发者大会2021,北明软件将通过“软件定义世界,数据驱动未来”愿景,全方位....
      的头像 lhl545545 发表于 10-22 09:31 ? 252次 阅读

      NVIDIA为轻量级地图和精确感知提供高性能计算

      NVIDIA DRIVE Orin为轻量级地图和精确感知提供高性能计算。 自动驾驶卡车需要减轻绘制地....
      的头像 NVIDIA英伟达企业解决方案 发表于 10-22 09:26 ? 147次 阅读

      NVIDIA加速虚拟人项目渲染与推理效率

      腾讯AI LAB致力于打造产学研用一体的 AI 生态,主要的研究方向包括计算机视觉、语音识别、自然语....
      的头像 NVIDIA英伟达企业解决方案 发表于 10-22 09:12 ? 157次 阅读

      怎样去提取基于视频流的兴趣HOG特征呢

      怎样去提取基于视频流的兴趣HOG特征呢?其具体原理是什么?...
      发表于 10-22 06:01 ? 0次 阅读

      华为开发者大会2021年时间及地点

      2021年10月22日~24日,华为将在中国松山湖举行2021华为开发者大会,本次大会活动依旧精彩,....
      的头像 ss 发表于 10-21 16:43 ? 813次 阅读

      浅析数据分析之指标设计

      数据指标,并不是数据分析和业务同学的专属???。日?;嵊玫绞葜副甑?,还包括开发(比如机器资源利用率,....
      的头像 数据分析与开发 发表于 10-21 14:27 ? 185次 阅读

      深度学习部分监督的实例分割环境

      实例分割的任务是将图像中的像素分组为单个事物的实例,并用类标签(可计数的对象,如人、动物、汽车等,并....
      的头像 TensorFlow 发表于 10-21 14:05 ? 167次 阅读

      嵌入式培训班有必要吗?

      对于很多想要从事嵌入式相关工作的人来说,自学还是参加嵌入式培训班一直都是个大难题,难度不亚于哈姆雷特....
      发表于 10-21 13:21 ? 9次 阅读
      嵌入式培训班有必要吗?

      数据分析如何中看又中用?送你一套方案大大提升工作效率

      相信大多数永洪BI的用户都和我有着同一个苦恼,报告做得越来越复杂后,要找到某个组件变难了。只能点击到....
      发表于 10-21 10:16 ? 92次 阅读
      数据分析如何中看又中用?送你一套方案大大提升工作效率

      嵌入式工程师“中年?;庇Χ圆呗陨?/a>

      嵌入式工程师”中年?;奈侍猓ㄕ馐歉銎毡橄窒螅?,当然,面向对象不只是程序猿。众所周知,“钱’是个好....
      发表于 10-20 20:21 ? 17次 阅读
      嵌入式工程师“中年?;庇Χ圆呗陨? />    </a>
</div><div class=

      深度学习在嵌入式设备上的应用

      下面来探讨一下深度学习在嵌入式设备上的应用,具体如下:1、深度学习的概念源于人工神经网络的研究,包含....
      发表于 10-20 17:51 ? 8次 阅读
      深度学习在嵌入式设备上的应用

      GPIB仪器控制设备使用GPIB接口将仪器集成到系统中

      NI 致力于为半导体、电子、交通运输、航空航天与国防、学术等诸多领域的客户提供服务,主要产品包括数据....
      的头像 易络盟电子 发表于 10-20 17:28 ? 320次 阅读

      曙光政务数据中台系统江苏工信厅重点首版产品公示

      近日,江苏省工业和信息化厅发布了“2021年江苏省重点领域首版次软件产品征集拟推广首版次软件产品名单....
      的头像 中科曙光 发表于 10-20 16:36 ? 358次 阅读

      简述ElasticSearch的实现

      1.近实时搜索 1.1 实时与近实时 实时搜索(Real-time Search)很好理解,对于一个....
      的头像 马哥Linux运维 发表于 10-20 14:45 ? 263次 阅读

      探究超大Transformer语言模型的分布式训练框架

      NVIDIA Megatron 是一个基于 PyTorch 的框架,用于训练基于 Transform....
      的头像 NVIDIA英伟达企业解决方案 发表于 10-20 09:25 ? 348次 阅读

      一种通过配方功能实现简单高效控制的方法解析

      1 前言 物联网的应用大多基于对各种数据的采集和控制,而一般的工程项目中产生的数据数量都很庞大,若是....
      的头像 广州虹科电子科技有限公司 发表于 10-20 09:13 ? 356次 阅读
      一种通过配方功能实现简单高效控制的方法解析

      嵌入式AI平台介绍

      CSDN下载链接:目录1 技术方案 11.1 可选方案 11.1.1 ARM 11.1.2 CPU+....
      发表于 10-19 18:33 ? 8次 阅读
      嵌入式AI平台介绍

      气体传感器BME688常见问题

      在使用传感器的过程中,你是否有很多问号 ——在采样时需要强制空气进入BME688吗? ——由于数据是....
      的头像 Bosch Sensortec 发表于 10-19 17:36 ? 345次 阅读
      气体传感器BME688常见问题

      VisionPro Deep Learning帮助软包锂电池实现外观检测自动化

      VisionPro Deep Learning基于大量图片建立了高精度的神经网络模型,大大缩短了同类....
      发表于 10-19 15:52 ? 692次 阅读
      VisionPro Deep Learning帮助软包锂电池实现外观检测自动化

      紫光集团重整最新消息:已确认千亿债权规模

      天眼查数据显示,紫光集团公司已经于近日正式开始重整,并已确定债权规模1081.81亿元。并且在未来集....
      的头像 lhl545545 发表于 10-19 14:47 ? 627次 阅读

      华为刘康:出面向5.5G目标网络架构 以电信云原生为基础

      [阿联酋,迪拜,2021年10月13日] 今日,第六届5G核心网峰会(5G Core Summit ....
      的头像 华为云核心网 发表于 10-19 14:41 ? 306次 阅读

      人工智能如何影响工业物联网

      ■ 或许这就是为什么在没有IIoT提供关键帮助的情况下,企业很难在工业4.0带来的大规模数字转型中能....
      的头像 贸泽电子 发表于 10-19 10:31 ? 1267次 阅读

      雷诺汽车使用深度学习网络估计 NOx 排放量

      雷诺汽车构建并训练了一个长短期记忆 (LSTM) 网络,该网络预测 NOx 水平的准确率达到了 85....
      的头像 MATLAB 发表于 10-19 10:12 ? 248次 阅读

      技术和架构选择比以往更重要

      在后疫情时代当企业开始尝试复兴和以全新的面貌示人,有一点变得显而易见:技术和架构选择比以往更重要。 ....
      的头像 英特尔FPGA 发表于 10-19 09:56 ? 215次 阅读

      教你怎样去搜索淘宝API app店

      教你怎样去搜索淘宝API app店?
      发表于 10-19 09:01 ? 0次 阅读

      我国特高压交直流混联大电网正式运行

      近年来,我国逐步形成特高压交直流混联大电网??陕愦笕萘恐绷骱痛蠊婺P履茉唇尤牒筇岣叩缤抡婢群托?...
      的头像 lhl545545 发表于 10-18 17:34 ? 990次 阅读

      数据清洗的步骤是什么

      数据清洗是指重复。多余的数据筛选和清除,完整地补充丢失的数据,纠正或删除错误的数据,最后整理成我们可....
      发表于 10-18 17:05 ? 36次 阅读

      多功能移动环境监测仪的概述及特点

      多功能移动环境监测仪介绍FT-BQX10 【风途】山东风途物联网科技有限公司气象站系列有FT-BQX....
      发表于 10-18 16:57 ? 66次 阅读

      数据中台建设的价值和意义

      让数据用起来,产生业务价值是数据中台建设的第一优先级。至于这个用起来的过程是否是自动化的,是否有大数....
      发表于 10-18 16:52 ? 48次 阅读

      微信回应崩了 微信或将推出深度清理新功能

       今天上午微信大部分用户反映称微信图片打不开、已经无法收发图片、文件,目前微信官方已经对此做出回复称....
      的头像 lhl545545 发表于 10-18 16:45 ? 529次 阅读

      用在解析云端数据的源码是怎样的

      用在解析云端数据的源码是怎样的?如何去实现这种源码呢? ...
      发表于 10-18 09:00 ? 0次 阅读

      华为创新性地推出“5G新通话”解决方案

      在北京国家会议中心举行的2021年中国国际信息通信展览会上,由中国通信企业协会发起的“ICT中国(2....
      的头像 华为云核心网 发表于 10-15 17:27 ? 489次 阅读

      华为发布SD-WAN逐包负载分担方案 提升带宽利用率

      华为SD-WAN逐包负载分担方案,提升带宽利用率至90%,让您的广域网络更加高效。
      的头像 华为产品资料 发表于 10-15 16:44 ? 386次 阅读

      教大家如何减小微量水分策略的结果中的误差

      微量水分测定仪采用卡尔——菲休库仑法,对不同物质进行微量水分测定,是一种可靠的方法,微量水分测定仪成....
      发表于 10-15 16:39 ? 27次 阅读

      详解工业液体密度测试步骤

      业液体通常需要进行液体密度的测试来加以控制品质。行业内的测试仪就是搏仕的液体密度测试仪了。下面将演示....
      发表于 10-15 16:27 ? 26次 阅读

      音频电路原理(双音频解码电子电路/TDA2822双声道功放电路/音频放大处理电路)

      双音多频信号解码电路是目前在按键电话(固定电话、移动电话)、程控交换机及无线通信设备中广泛应用的集成....
      发表于 10-15 16:08 ? 1229次 阅读
      音频电路原理(双音频解码电子电路/TDA2822双声道功放电路/音频放大处理电路)

      浅析压敏(热敏)陶瓷粉末水分测试实验报告

      厦门搏仕检测设备有限公司 ?www.lboshi.cn 18959266236 陶瓷粉末水分含量介绍....
      发表于 10-15 15:57 ? 29次 阅读

      电子行业B2B数字化升级, 腾采通先行

      以往,在数以亿计的电子元器件中快速找到想要的型号,如同大海捞针一般。直到一款B2B交易型SaaS(S....
      发表于 10-15 15:49 ? 1345次 阅读
      电子行业B2B数字化升级, 腾采通先行

      探究塑料颗粒密度测试仪实验报告

      密度计品牌:搏仕 型号:BOS-300系列 测试品:塑料颗粒 塑料种类纷多,密度值各不相同,如PP料....
      发表于 10-15 15:47 ? 29次 阅读

      塑料水分测定仪测试经验总结

      厦门搏仕检测设备有限公司 ?www.lboshi.cn 18959266236 塑料水分测定仪针对不....
      发表于 10-15 15:38 ? 21次 阅读

      剖析汽车塑料零配件水分测试仪实验

      水分仪品牌:搏仕 ????型号:BOS-180A系列 ????测试品:汽车塑料片 塑料的含水量是影响....
      发表于 10-15 15:23 ? 18次 阅读

      四维图新构建现实世界三维还原的能力赋能智能网联应用

      实时构建现实世界三维还原,将物理世界数字化,是四维图新近20年来一直努力的方向,通过对物理世界的人、....
      的头像 四维图新NavInfo 发表于 10-15 14:40 ? 1282次 阅读

      完整关注跨模态转换器网络

      舞蹈是几乎所有文化中的一种通用语言,也是如今许多人在当代媒体平台上表达自己的一种方式。跳舞的能力(组....
      的头像 TensorFlow 发表于 10-15 10:25 ? 204次 阅读

      MySQL缓冲区设计介绍

      1. Buffer 与 cache 的区别? Bbuffer 与 Cache 非常类似,因为它们都用....
      的头像 数据分析与开发 发表于 10-15 09:50 ? 175次 阅读

      pandasgui安装与简单使用

      pandasgui安装与简单使用 根据作者的介绍,pandasgui是用于分析 Pandas Dat....
      的头像 数据分析与开发 发表于 10-15 09:46 ? 180次 阅读

      交换模式与路由模式有哪些异同点

      交换模式是什么?路由模式又是什么? 交换模式与路由模式有哪些异同点? ...
      发表于 10-15 09:35 ? 0次 阅读

      ARM架构的数据类型定义是什么

      ARM架构的数据类型定义是什么? 局部变量和全局变量是什么意思? ...
      发表于 10-09 06:32 ? 0次 阅读

      常量和变量有哪些区别

      引用和拷贝有什么区别? 常量和变量有哪些区别? ...
      发表于 10-08 08:42 ? 0次 阅读

      VS2017是如何实现串口发送及接收数据的

      VS2017是如何实现串口发送及接收数据的?有哪些操作步骤? ...
      发表于 09-30 07:04 ? 0次 阅读

      怎样使用代码来访问PLC数据

      如何配置网络参数?怎样使用代码来访问PLC数据? 如何使用gitHub开源的组件技术来读写西门子plc数据? ...
      发表于 09-29 07:42 ? 0次 阅读

      怎样使用gitHub开源的组件技术来读写三菱的plc数据

      如何配置网络参数?怎样使用代码来访问PLC数据? 怎样使用gitHub开源的组件技术来读写三菱的plc数据? ...
      发表于 09-29 06:03 ? 0次 阅读

      模型量化会带来哪些好处?

      量化算法具有什么特点? 模型量化会带来哪些好处? ...
      发表于 09-28 06:32 ? 0次 阅读
      亚洲色欧美图另类综合_亚洲 自拍 色综合图区av网站_亚洲人成伊人成综合网 公主岭市| 山丹县| 济宁市| 宜昌市| 平遥县| 田东县| 温泉县| 临清市| 黎平县| 长子县| 永定县| 阳东县| 宜章县| 双峰县| 曲阜市| 彩票| 竹北市| 合川市| 龙岩市| 科技| 东辽县| 资讯| 桑日县| 晋州市| 安新县| 托克逊县| 张家口市| 青铜峡市| 大石桥市| 文登市| 古交市| 西城区| 罗定市| 鄂托克旗| 武冈市| 瑞金市| 五台县| 新密市| 科尔| 安国市| 交城县| http://444 http://444 http://444 http://444 http://444 http://444