基于单片机的蒙古文输入及显示系统设计

蒙古文是我国少数民族——蒙古族使用的文字,研究蒙古文的信息处理具有重要的意义。本设计在借鉴西文、中文输入显示技术的基础上,根据蒙古文的特点,开发了基于单片机的蒙古文输入显示系统。该系统以AT89C51单片机为核心,包括128×64液晶显示器、输入设备、单片机外围电路和蒙古文字库。首先建立蒙古文字库,蒙古文字库采用点阵式,有16×16和16×32两种格式。单片机一方面从蒙古文字库取字符传送到LCD显示,另一方面通过74HC373和74HC00器件控制LCD显示。在Proteus仿真环境下对系统进行了仿真,具有良好的显示效果。     

数据科学平台:特征、技术及趋势

以2015年以来的《Gartner数据科学平台魔力象限系列年度报告》为线索,分析调研35种数据科学平台产品,提出数据科学平台的定义和类型.数据科学平台相关学术研究中的主要科学问题涉及数据科学平台的设计、数据科学平台的可扩展性、基于数据湖的数据科学平台研发、数据科学平台的支持团队协作能力、数据科学平台的开放策略以及数据科...     

网络管理员考试重点和难点分析

随着网络技术的普及和发展,人们逐渐认识到了网络安全才是网络管理的重点和难点,网络管理不仅仅要保证其可用性,更重要的应该是要保护其完整性和安全性。     

数据科学导论的课程设计及教学改革

数据科学与大数据技术、大数据管理与应用等新兴专业的建设,以及计算机科学与技术、统计学、信息资源管理等传统专业的改革,均需引入一门关键课程——数据科学导论。在调查分析哥伦比亚大学、纽约大学、哈佛大学和中国人民大学等高校开设的具有一定代表性的数据科学导论课程的基础上,作者结合自己开设的数据科学导论课程以及国家同名精品在线开放课程建设的经验,探讨了该课程的教学目的、教学内容、试验操作、考核方法、教材选择、特色与创新等课程设计问题。现阶段已开设的相关课程的教学改革重点在于培养学生的数据能力,重视数据产品的研发,加强课程建设模式的创新,加快与社会人才需求的接轨,凸显其导论类的课程特征,重视编写代码能力的培育和数据沟通能力的训练。     

我国铁路客票电子商务标准体系研究

文章借鉴国内外电子商务相关标准制定和体系设计的经验,设计出了一个符合我国实际的铁路客票电子商务标准体系。标准体系的设计采用了基于Web服务的分层架构,较好地支持了跨平台应用的互操作性。在此基础上,分析了我国铁路客票电子商务框架所涉及的干系人及其内在联系,并提出了我国铁路客票电子商务的发展趋势。     

基于元胞自动机的P2P搜索算法研究

P2P搜索引擎的发展面临着文档分布和节点分布不一致、均衡负载难、健壮性差等技术难题。为了解决上述技术难题,本文充分利用复杂性研究领域中的处于混沌边缘的元胞自动机能够支持一定的人工生命的研究成果,结合P2P技术,首次提出了基于元胞自动机的P2P搜索算法,并通过实验证明了其可行性和优越性。     

小米麸皮酶法改性工艺及其功能特性

采用纤维素酶对小米麸皮膳食纤维进行改性处理,以可溶性膳食纤维（soluble dietary fiber,SDF）得率为指标,通过单因素试验及正交试验优化改性条件,并对处理前后小米麸皮膳食纤维的持水力、持油力、膨胀力及体外胆固醇吸附能力、亚硝酸根离子清除率进行分析。结果表明：在纤维素酶添加量4.5%、反应时间9 h、反应温度60 ℃的条件下,可溶性膳食纤维得率最高,为24.77%;改性后小米麸皮膳食纤维（cellulase modified -millet bran total dietary fiber,CM-MBTDF）持油力显著上升,在25、37 ℃分别为2.750、3.440 g/g,是小米麸皮膳食纤维（millet bran total dietary fiber,MBTDF）持油力的2.3 倍和2.9 倍,持水力和膨胀力显著下降。此外,体外清除胆固醇能力显著升高,在pH2.0、pH7.0 时体外胆固醇吸附量分别为23.68、22.28 μmol/L,是MBTDF 体外胆固醇吸附量的1.31、1.96 倍。在pH2.0 时MBTDF、CM-MBTDF 均表现出较高的亚硝酸根离子清除率,其中CM-MBTDF 能够加快亚硝酸根离子清除速度,在pH7.0 时CM-MBTDF 亚硝酸根离子清除率显著提高。     

浅谈高校ERP实验课程建设

本文结合笔者多年辅导ERP实验课程的经验,从开设ERP实验课程的必要性、所面临的困难、应注意的问题和具体实施方案等角度提出了自己的见解。     

人工智能治理理论及系统的现状与趋势

人工智能(Artificial Intelligence,AI)治理是解决AI挑战的主要手段.AI治理的主要目的是充分发挥人工智能带来的优势和有效降低人工智能导致的风险,并通过整合技术、法律、政策、标准、伦理、道德、安全、经济、社会等多个方面的影响因素,最终建设负责任的人工智能(Responsible Artificial Intelligence,RAI).AI治理可以从智能个体治理、智能群体治理以及人机合作与共生系统的治理等3个方面,分技术层、伦理层、社会及法律层等3个层面进行.AI治理的主要关键技术有4种:可理解性人工智能、防御对抗性攻击技术、建模及仿真技术和实时审计技术.从谷歌、IBM和微软等公司的AI治理实践来看,产业界主要关注的是RAI研发,在AI系统的可解释性、隐私保护和公平性检查等方面已出现一些专用组件工具.目前,AI治理需要研究的科学问题有:软件定义的AI治理、AI治理关键技术、大规模机器学习中的AI治理评价、基于联邦学习的AI治理、AI治理的标准制定、增强人工智能与人在回路型AI训练等.