用Authorware交互性实现客观题自检测

传统的学生自检测手段主要依靠纸张,几乎没有可重用性,这样不仅要浪费老师时间,而且学生对自己的错误也不能及时的了解和改正。现在许多非专业人士经常用Authorware中的测验知识对象来制作测试系统,但是其制作出来的系统不太灵活、功能有限,创作出来的界面太呆板。因为AuthorWare是最大特点是创造了基于图标的创作方式,制作者只需对图标(其实最常用的是12种,视频图标不常用)进行拖放及设置,就可以完成普通课件的开发。因而Authorware交互性制作的自检测课件不仅方法灵活实用,而且更具人性化。     

喝茶去,下载就让迅雷去代劳吧

有些单位的网络限制使用P2P下载,这时我们可以让迅雷离线下载,然后回到家中再从迅雷服务器高速下载回自己需要的资料。     

拒绝杨叔叔,我要回家吃饭 你到底有网瘾吗?

古代的西方女巫使用水晶球预测你的未来,东方则使用竹签、龟背等工具来占卜吉凶。如今不管是研究你适合的职业,还是你适合的另一半,都会拿出套题让你做做。小编这里也不能免俗,于是乎,下面这个网络上瘾指数测试将成为本文的开篇!戏里的精神病患者都说自己没病,那么你到底是不是网络上瘾呢?测试之后就有答案了,这可是来自美国匹兹堡大学某教授制作的问卷。     

限制型拓扑结构的大学排课系统

通过使用拓扑排序原理对存在先行课关系的大学课程进行排序,可以得到每学期应该上的课程。引入堆栈,可以对学期数和每学期课程数有限制的大学课程进行排序,这就是限制型拓扑结构的排序。     

双路输出、同步降压控制器

Maxim推出高性能、双路输出、同步降压控制器MAX15034,能够驱动外部MOSFET提供2路25A输出或单路50A输出。这种灵活性可使器件用于多种设计平台,从而减少了元件种类、降低了成本。此外,器件的输入电压范围为4.5V至5.5V或5.5V至28V,可用     

突破SkyDrive网盘的限制

微软网盘SkyDrive的存储容量高达25GB,但采用官方自带的工具上传下载,有着诸多限制:单个上传文件无法突破50MB,同时不支持断点续传,使用起来实在不爽。不过,用SkyDrive网盘管理工具,     

基于物理模型的烟雾模拟

在分析研究流体物理特性算法基础上,提出一种新的烟雾模拟实现方法。该方法基于物理模型的求解简化方程模拟烟雾的动态变化过程。模型中采用了非粘性欧拉方程,通常它比其他用粘性Navier-Stoke方程建模的更适合用来对气体进行建模并且减少计算量。实验验证该模型还可以正确处理烟雾与移动的物体之间的相互作用。     

系统自带的软件“防火墙”2．0版

2007年第20期上,发表了我的文章《系统自带的软件"防火墙"》,承蒙读者厚爱,被评为了三等奖。这让我有点诚惶诚恐,于是翻出原先的文章重新研读,发现还有一些需要完善和补充之处,这里再列出来与大家共同探讨。     

进军TB时代 三款大容量硬盘用体验

随着Internet的高速发展、个人数字设备以及新兴数字电视的日渐普及,使得用户对高速可靠的海量存储有着迫切的需求。从07年初日立发布首款1TB硬盘到5月电脑卖场可以看到TB级硬盘正式开卖,再到其他硬盘厂商陆续发布自己的TB级硬盘及相关技术,让人不禁感慨:2007是硬盘技术和容量突破的关键一年,TB时代已经离主流用户越来越近了……     

用于行人轨迹预测的场景限制时空图卷积网络

目的 针对行人轨迹预测问题,已有的几种结合场景信息的方法基于合并操作通过神经网络隐式学习场景与行人运动的关联,无法直观地解释场景对单个行人运动的调节作用。除此之外,基于图注意力机制的时空图神经网络旨在学习全局模式下行人之间的社会交互,在人群拥挤场景下精度不佳。鉴于此,本文提出一种场景限制时空图卷积神经网络（scene-constrained spatial-temporal graph convolutional neural network,Scene-STGCNN）。方法 Scene-STGCNN由运动模块、基于场景的微调模块、时空卷积和时空外推卷积组成。运动模块以时空图卷积提取局部行人时空特征,避免了时空图神经网络在全局模式下学习交互的局限性。基于场景的微调模块将场景信息嵌入为掩模矩阵,用来调节运动模块生成的中间运动特征,具备实际场景下的物理解释性。通过最小化核密度估计下真实轨迹的负对数似然,增强Scene-STGCNN输出的多模态性,减少预测误差。结果 实验在公开数据集ETH （包含ETH和HOTEL）和UCY （包含UNIV、ZARA1和ZARA2）上与其他7种主流方法进行比较,就平均值而言,相对于性能第2的模型,平均位移误差（average displacement error,ADE）值减少了12%,最终位移误差（final displacement error,FDE）值减少了9%。在同样的数据集上进行了消融实验以验证基于场景的微调模块的有效性,结果表明基于场景的微调模块能有效建模场景对行人轨迹的调节作用,从而减小算法的预测误差。结论 本文提出的场景限制时空图卷积网络能有效融合场景和行人运动,在学习局部模式下行人交互的同时基于场景特征对轨迹特征做实时性调节,相比于其他主流方法,具有更优的性能。