基于Celery和Django的分布式自动化测试系统设计

为了实现快速高效使用计算集群解决大量测试用例管理和执行的问题,文中提出了一种基于Celery和Django的分布式自动化测试系统。该系统提出了由API服务器层、用例管理层、任务调度层和任务执行层组成四层架构,详细描述了每层的功能和具体实现。该系统实现了用例的管理、分布式执行、失败重试等功能。该系统能够快速部署和配置测试执行节点,实现了充分利用计算集群资源、提高测试效率的目的。     

机器人精密减速器单工位测试流程优化方法

为提高精密减速器性能测试效率,提出一种单工位测试流程优化方法。基于测试项目序列描述定义,构建测试流程网络,将流程转化为起点与终点固定的最短路径的旅行商问题(travelling salesman problem, TSP)模型进行优化求解,通过最优解改进找到最优测试路径。该方法能够通过测试项目的序列描述,发掘出不同项目之间优化合并空间,最优解改进克服一般TSP模型仅对相邻项目间优化的问题。应用结果表明,该方法对精密减速器动态测试项目进行优化,可以缩短16.17%测试时间。     

应用XCF、KYF与GF型浮选机组于铝土矿生产研究

针对位于河南某铝土矿,采用充气式KYF、XCF浮选机与自吸气GF浮选机水平成套配置技术,成功进行了铝土矿的正浮选。对生产实践中的联合机组进行了浮选动力学,浮选机的矿浆悬浮特性,逐槽选别特性与泡沫流动速度测试等方面的研究,结果表明空气分散度良好,矿粒悬浮能力好,泡沫流动速度达2.3m/min。现场浮选精矿Al2O3品位62.86%,回收率75%,铝硅比10.43,有效实现了一水硬铝石的资源回收。     

卷积深度神经网络在基于文档的自动问答任务中的应用与改进

基于文档的自动问答,尤其是语义匹配,其目标是计算两个文本之间的相似度。这是自然语言处理中的典型任务,并且用以衡量对自然语言的理解程度。深度学习方法得益于可以自动化地学习到给定任务的最优特征表示,在许多研究中取得成功,也包括文本匹配。针对基于文档的自动问答,提出一个基于卷积深度神经网络的语义匹配模型,以便对每一对问题和文档提取特征,并据此计算它们的得分。通过问题和文档之间的交互计算,利用重叠词等文本特征,在中文开放域上的自动问答任务中取得的实际效果证明了该模型的有效性。