精华内容
下载资源
问答
  • 定义,测量,分析,改进和控制(DMAIC)是一种数据驱动的质量策略,用于改善流程。首字母缩略词中的字母代表组成该过程的五个阶段,包括用于完成1所示那些阶段的工具。它是“ 六西格玛”计划的组成部分,但总体上...

    优思学院:图解六西格玛12步流程图一幅图,解说整个「六西格玛项目」路线、步骤、流程。

    欢迎大家收藏转发,我们会更努力做出更多、更优质的原创的教学资源,让知识传播更容易。

    定义,测量,分析,改进和控制(DMAIC)是一种数据驱动的质量策略,用于改善流程。首字母缩略词中的字母代表组成该过程的五个阶段,包括用于完成图1所示那些阶段的工具。它是“ 六西格玛”计划的组成部分,但总体上可以实现为独立质量改进程序或作为其他过程改进计划的一部分,如精益生产。


    DMAIC流程


    定义问题,改进活动,改进机会,项目目标和客户(内部和外部)需求。


    项目章程,为改进团队定义重点,范围,方向和动力
    客户的心声,以了解当前和未来客户的反馈,这些反馈表示满足,满足和不满意他们的产品
    价值流图可提供整个流程的概述,从客户开始和结束,并分析满足客户需求所需的条件



    測量过程绩效。


    流程图,用于记录作为流程一部分执行的活动
    能力分析,以评估过程满足规格的能力
    帕累托图分析问题或原因的频率



    分析过程以确定变化和性能不佳(缺陷)的根本原因。


    根本原因分析(RCA)以发现原因
    故障模式和影响分析(FMEA),用于识别可能的产品,服务和过程故障
    多变量图表可检测流程中的不同类型的变量



    改进-通过解决和消除根本原因来提高过程性能。


    实验设计(DOE),用于解决复杂过程或系统中的问题,其中有许多因素会影响结果,并且不可能将一个因素或变量与另一个因素或变量区分开
    改善活动旨在通过关注一个狭窄的项目并利用工作人员的想法和动力来引入快速变化



    控制改进的过程和将来的过程性能。


    质量控制计划,记录保持现有水平的改进​​流程所需的内容
    统计过程控制(SPC),用于监视过程行为
    5S打造适合视觉控制的工作场所
    防错(poka-yoke),使错误不可能或立即可发现
     

    DMAIC与DMADV


    定义,测量,分析,设计和验证(DMADV)是一种由数据驱动的质量策略,着重于与现有产品或服务相比开发新产品或服务。DMADV方法或方法在实施新策略时经常使用,因为它基于数据的基础,其尽早识别成功的能力以及需要全面分析的方法。像DMAIC一样,它也是六西格玛质量计划不可或缺的一部分。

    展开全文
  • 但这并非问题的全部,仍有很大比例的问题源于层压图纸,只是当大家把焦点放于工艺之时,往往忽略了其它因素,本文将对层压结构图问题进行具体分析并总结合理改善方案。2 结构图纸错误综合分析随着电子电路的行业的...
  • 是一个基础流程 写出业务没问题,其实业务在99%的时间都是ok的,但就是那1%的错误非常的关键 非常需要关注的点是authoization_code的刷新,因为它的过期时间是1个小时,不刷新会导致接口重复调用次数过多,并且...

    下图是一个基础流程
    在这里插入图片描述
    写出业务没问题,其实业务在99%的时间都是ok的,但就是那1%的错误非常的关键
    非常需要关注的点是authoization_code的刷新,因为它的过期时间是1个小时,不刷新会导致接口重复调用次数过多,并且大并发的情况下,缓存穿透会导致很多问题。
    解决方案
    有一个专门监听redis过期通知的项目,然后将通知放到队列中,最后放到kafka队列中去处理。因为是1个小时过期,那么我在50分的时候过期一个数据,通知去刷新数据
    redis,最好aof+rdb去做
    然后是错误处理,当刷新出错或者接口出错,应该去解决,因为不想增加系统的复杂性,所以开始选的是kafka,那么错误信息也可以扔kafka,扔到另一个组进行解决。然后进行消息处理

    展开全文
  • 专注计算机视觉前沿资讯和技术干货 微信公众号:极市平台 ...大概流程分为两步:首先构建一个由全连接构成的情景存储网络,将帧存储为节点,并通过边捕获跨帧的相关性。然后,可学习的控制器被嵌入以简化内存的读写。

    原文链接:https://bbs.cvmart.net/articles/3119
    专注计算机视觉前沿资讯和技术干货
    微信公众号:极市平台
    官网:https://www.cvmart.net/


    file

    本文主要解决视频目标分割领域的一个基本问题:如何使分割模型能够有效地适应特定视频以及在线目标的外观变化。

    解决办法:提出一个图存储网络来对分割模型进行“学习更新”。

    大概流程分为两步:首先构建一个由全连接图构成的情景存储网络,将帧存储为节点,并通过边捕获跨帧的相关性。然后,可学习的控制器被嵌入以简化内存的读写。

    相比于以往模型的优势:结构化的外部存储使可以在视觉信息有限的情况下全面挖掘并快速存储新知识。不同的存储控制器通过梯度下降学习了一种抽象的表示方法,可以利用这种表示学习进行预测 。另外,图存储网络产生的框架,可以推广到one-shot和zero-shot视频目标分割任务。

    论文 https://arxiv.org/pdf/2007.07020.pdf

    代码 https://github.com/carrierlxk/GraphMemVOS.git

    1.引言

    视频目标分割(VOS)旨在像素级别对视频中的一个目标进行预测,目前根据第一帧的视频是否有注释可以把VOS分为两类:one-shot视频目标分割(O-VOS)和zero-shot视频目标分割(Z-VOS)。

    O-VOS:提供第一帧的视频注释,可以对视频其他部分带标签的目标进行分割预测。

    Z-VOS:在没有任何测试时间指示的情况下自动推断主要目标。

    O-VOS的主要困难:没有关于特定目标的假设,应用场景有干扰对象。

    支持集:视频的第一帧注释。

    查询集:视频的其余帧。

    针对O-VOS以往的解决方法:较早的方法,在每个带注释的目标上构建network finetuning-缺点:耗时。当前流行的方法,建立一个匹配框架,将该任务描述为支持集和查询集之间的匹配流程。

    O-VOS方法的限制:

    1.首先学习通用匹配网络,然后将其直接应用于测试视频,无法充分利用第一帧目标特定信息。 结果导致其不能有效地适应输入视频。

    2.由于分割目标可能会出现外观变化,因此执行在线模型更新很有意义。

    3.基于匹配的方法仅对查询和每个支持帧之间的配对关系建模,而忽略了支持集中的上下文。

    本文受到了最近小样本学习的记忆增强网络的启发而提出的方法:开发了一个图存储网络,以通过单次前馈使在线分割模型适应特定目标。

    本文模型的一些优势:图存储网络简洁,快速。 对于内存更新,模型在固定大小的图内存上执行消息传递,而不增加内存消耗。模型提供了一个框架; 它概括了Z-VOS任务,而主流方法缺乏自适应能力。这项工作代表了在统一网络设计中同时解决O-VOS和Z-VOS的第一部分。

    2.方法

    2.1 预备知识:情景记忆网络

    背景:记忆网络通过外部存储组件增强了神经网络,使网络可以显式访问过去的经验。常应用于小样本学习和目标追踪中。

    解决的相关任务:情景外部存储器网络解决视觉问题回答和视觉对话中的推理问题。

    基本思想:使用可学习的读写运算符从内存中检索回答问题所需的信息。给定输入表示的集合,情节记忆模块通过神经注意力选择要关注的输入部分。然后在考虑查询以及存储的情况下生成“内存摘要”表示形式。情节中的每个迭代为存储模块提供有关输入的相关信息。最后存储模块具有在每次迭代中检索新信息并获得有关输入的新表示的能力。

    2.2 学习更新

    目标:从第一帧中带注释的目标学习,在后续帧中对其进行预测。

    传统方法:将网络连接到一起,并为每个特定的视频执行在线学习。

    本文的方法:根据训练任务的分布对各种任务构造基于情境记忆的学习器,从而使学习的模型在新的不可见的任务(测试视频)上表现良好。将O-VOS作为“学习更新”的分割网络来处理。

    过程:
    i)从one-shot支持集中提取任务表示
    ii)给定任务表示形式,更新查询的分割网络。如图1所示,增强具有图结构的情景存储网络(即图存储网络),以便:i)立即使分割网络适应特定的对象,而不是执行大量的迭代; ii)充分利用视频序列中的上下文。

    本文的图存储网络具有两种能力:在模型初始化阶段学会从one-shot支持集调整分割网络,学会在帧处理阶段利用分割帧来更新分段网络。

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8OITJLxy-1597473017742)(https://bbs.cvmart.net/uploads/images/202008/11/71/4UYE0sxGwS.png?imageView2/2/w/1240/h/0)]

    图1 图存储网络

    2.3图存储网络

    结构:由一个外部图存储器和用于存储操作的可学习控制器组成。

    外部图存储器:为新知识编码提供了短期存储,其图结构允许全面探索上下文。

    控制器:进行读取和写入操作,与图存储器交互,通过权重的缓慢更新来长期存储。 通过控制器,模型可学习两方面的内容:1.其放入内存的表示类型,2.以后如何将这些表示用于细分预测的通用策略。

    图存储网络的核心思想:执行情节推理的K个步骤,以有效挖掘内存中的结构并更好地捕获目标特定的信息。

    图存储网络的具体流程:

    存储器被组织为一个大小固定的全连接图G=MEG =(M,E),其中节点miMm_i∈M表示第i个存储单元,边eij=mimjEe_i,j =(m_i,m_j)∈E表示 单元格mim_imjm_j之间的关系。

    给定一个查询帧,支持集被认为是第一个带注释的帧和先前分割的帧的组合。 从支持集采样的N=MN(= | M |)帧初始化图内存。对于每个存储节点mim_i,通过将全卷积存储编码器应用于支持帧以捕获空间视觉特征以及分割mask信息,来生成其初始嵌入mi0RW×H×Cm^0_i∈R^{W×H×C}

    图内存读取。 全卷积查询编码器也应用于查询帧,以提取视觉特征qRW×H×Cq∈R^{W×H×C}。 一个可学习的读取控制器首先将q作为输入并生成其初始状态h0h_0

    file

    其中fP()f_P(·)表示映射函数。

    在每个情节推理步骤k1...Kk∈{1,...,K},读取控制器通过读取内容与外部图存储器进行交互。 遵循键值检索机制,先计算查询与每个内存节点mim_i之间的相似度:

    file

    接下来通过softmax归一化函数计算读取权重wikw^k_i

    file

    考虑到某些节点由于底层相机移动或视线不佳而产生噪声,因此wikw^k_i可以测量存储单元mim_i的置信度。 然后使用此权重检索内存聚合mkm_k以线性组合内存单元:

    file

    通过等式(2-4),存储器模块检索与hkh_k最相似的存储器单元,以获得存储器聚合mkm_k。 读取内存汇总后,读取控制器将更新其状态,如下所示:

    file

    其中WsW_sUsU_s是卷积核,σ表示Sigmoid激活函数。 “ *”和“◦”分别代表卷积运算和Hadamard乘积。 更新门aka^k控制要保留多少先前的隐藏状态hk1h^{k-1}。 通过这种方式,控制器的隐藏状态对图存储器和查询表示进行编码。

    情景图内存更新

    每次通过内存汇总后,都需要使用新的查询输入来更新情节图内存。 在每个步骤k,可学习的存储器通过考虑其先前状态mk1m^{k-1}写入控制器,来自读取控制器hkh^k的当前内容以及来自其他单元${m^{k-1}_j} 的状态来更新每个存储单元。 首先将从m_jm_i的关系e^k$公式化为其特征矩阵的内积相似性:

    file

    其中WeRC×CW_e \in R^{C \times C}表示可学习的权重矩阵,mik1R(WH)×Cm^{k-1}_i\in R^{(WH)\times C}mjk1R(WH)×Cm^{k-1}_j\in R^{(WH)\times C}被固定为矩阵表示形式。ei,jke^k_{i,j}存储与mim_imjm_j中所有位置对 对应的相似性分数。

    然后,对于mim_i,从其他单元格计算归一化的信息cikc^k_i,并对其归一化的内积相似性进行加权:

    file

    其中softmax(·)标准化输入的每一行。

    汇总来自邻居的信息后,内存写控制器将mim_i的状态更新为:

    file

    图内存更新允许每个内存单元将邻居信息嵌入到其表示中,以便全面探索支持集中的上下文。 此外,通过对图结构进行迭代推理,每个存储单元对新的查询信息进行编码,并逐渐改进表示形式。与传统的存储网络相比,本文的图存储网络具有两个优点:i)将内存写操作融合到内存更新过程中,而不会增加内存大小,并且ii)避免设计复杂的内存写策略。 图2显示了内存读取和更新。

    最终分割Readout 在对情节性存储器进行K步更新之后,利用来自存储器读取控制器的最终状态hKh_K来支持对查询的预测:

    file

    读数函数fRf_R(·)给出最终的分割概率图。

    file

    图 2 内存读取和更新

    2.4 网络架构

    网络配置 总体模型以端到端的全卷积实现;查询编码器和内存编码器都具有相同的结构;图存储器,读控制器(等式(5))和写控制器(等式(8))均使用具有1×1卷积内核的ConvGRU实现;投影函数fP(等式(1))也通过1×1卷积层实现;读出函数fR(等式(9))由一个解码器网络实现,该网络由四个块组成,这些块具有与相应的ResNet50块的skip-connection;解码器中每个卷积层的内核大小设置为3×3,最后一个1×1卷积层除外;查询和内存编码器实现为ResNet50的四个卷积块,由ImageNet上预训练的权重初始化;

    输入:查询编码器以RGB查询帧作为输入;内存编码器,输入为RGB支持帧;存储器编码器以二进制掩码和实例标签图作为输入

    训练 对于O-VOS,按照“递归训练”训练模型。通过对支持集进行采样以构建图存储器和相关查询集来形成每个训练周期。递归训练的核心是模仿推理过程。对每个视频采样N + 1帧构建支持集(前N帧)和查询集(最后一帧)。N个支持帧可以由N节点存储器图表示。将交叉熵损失应用于监督训练。

    为了防止图记忆仅记住实例与单向矢量标签之间的关系,本文采用了标签关闭策略。如图3所示,分割网络通过考虑当前的训练样本而不是记住目标和给定标签之间的特定关系来学习区分当前帧中的特定实例。

    为了进一步提高性能,通过合成视频扩展了训练集。对于静态图像,采用视频生成技术通过不同的变换操作来获得模拟的视频剪辑。静态图像来自现有的图像分割数据集。在对合成视频进行预训练之后,将真实视频数据用于微调。

    对于Z-VOS,遵循与O-VOS类似的训练协议,但是输入模态仅具有RGB数据。本文专注于对象级别的Z-VOS设置,因此不使用标签切换策略。

    file

    推理

    训练后直接将网络应用于测试集。对O-VOS按顺序处理每个测试视频。前N个帧直接计算内存汇总(等式(4))并将这些帧写入内存。从第(N + 1)帧开始,在分割之后将使用该帧更新图内存。考虑到第一帧及其注释始终提供最可靠的信息,重新初始化存储有关第一帧信息的节点。因此使用第一个带注释的帧,最后一个分割的帧和从先前的分割帧中采样的N-2个帧,以及它们的预定义或分割掩码来构建内存。对于多实例的情况,为每个实例独立运行模型,并为每个实例获得soft-max概率掩码。对于Z-VOS,从同一视频中随机采样N帧以构建图内存,然后根据所构建的内存处理每个帧。

    考虑到全局信息比局部信息对于处理潜在的对象遮挡和相机移动更重要,因此通过使用全局采样的帧重新初始化图形存储器来独立处理每个帧。

    3.实验结果

    file

    3.1O-VOS的性能

    O-VOS使用DAVIS17 和Youtube-VOS 数据集

    file

    图4 O-VOS的量化结果

    3.2 Z-VOS的性能

    Z-VOS使用DAVIS16 和Youtube-Objects数据集

    file

    表 3 Z-VOS在DAVIS16的评估

    file

    表 4 Z-VOS在Youtube-Object的评估

    file

    图 5 Z-VOS的量化结果

    4 总结

    本文主要提出了一种新的图存储机制,可以有效地使分割网络适应特定视频。通过对存储图进行情节推理,所提出的模型能够生成视频专用的存储摘要,从而显着改善最终的分割预测。 同时,可以通过可学习的内存控制器来实现在线模型更新。图存储网络简洁,快速。 模型在内存更新时可以在固定大小的图内存上执行消息传递,而不增加内存消耗。


    关注极市平台公众号(ID:extrememart),获取计算机视觉前沿资讯/技术干货/招聘面经等
    在这里插入图片描述

    展开全文
  • 这是一个雄心勃勃的项目,旨在创建一个系统,以帮助我们衡量我们的人力资本发展,减少重复的任务和领导过程,并改善志愿者及其贡献的项目的成果。 项目背景 向组织领导提供原型后,我们目前处于初始计划阶段。 我们...
  • 与一般的光学邻近校正流程结合,该方法能解决工艺窗口过小和亚分辨率辅助图形刻出等问题。通过对标准电路版图的测试,对边放置误差和工艺窗口进行了测量。边放置误差相比传统方法减小了10%,同时,不同工艺窗条件下的边...
  •  图2:验证团队计划制定流程图。  图3:可执行的计划推动验证进程。在管理者及其团队制定计划时,他们通常都没能触及那些导致进度滞后、资源生产率低和产品质量不佳的常见问题。大部分验证计划都只注重任务性能而...
  • 存储系统大致可分为主存储器,辅助存储器,高速缓冲存储器三层,其中高速缓冲存储器用来改善主存储器与cpu的速度匹配问题,辅助存储器则用于扩大存储空间。课本上从存储系统的层次结构出发,对每一层次的概念、结构...
    • 什么是存储系统?
      存储系统大致可分为主存储器,辅助存储器,高速缓冲存储器三层,其中高速缓冲存储器用来改善主存储器与cpu的速度匹配问题,辅助存储器则用于扩大存储空间。课本上从存储系统的层次结构出发,对每一层次的概念、结构、工作机制等做了详细解释,回答了存储系统是什么的问题。

    • 存储系统的各层次之间是如何协作的呢?
      这篇文章通过贯穿整个存储系统的访问流程,展现出各个层次之间的协作关系。下图为存储系统的访问流程图,其访问过程可以分为5个部分:①TLB的访问过程,②Page的访问过程,③页面的分配和置换,④cache的访问过程,⑤主存储器的访问过程。


    图1 存储系统的访问流程

    TLB的访问过程

    在存储系统中若要从主存取得数据,必须先访问页表;为了实现对页表的快速访问,需要增设快表。TLB与page之间存在全相联映射、直接映射、组想联映射三种地址映射方式,因此TLB的访问分别存在以下三种情况。

    • 全相连映射


    图2 TLB全相连映射
    • 直接映射


    图3 TLB直接映射
    • 组相连映射


    图4 TLB组相连映射

    Page的访问过程

    如果TLB的访问未命中,则需要访问主存中的页表。为了避免连续的页表本身占用大量主存空间,存储系统通常采用分级页表,这里以二级页表的访问过程举例。


    图5 二级页表

    页面分配和置换

    若page未命中,说明所需页面未调入主存,需要执行调页策略。对于页面的分配和置换,现代存储系统通常采用三种策略:固定分配局部置换,可变分配全局置换,可变分配局部置换。主存与外存之间的协作关系可以反映在分配策略上。


    图6 固定分配局部置换关系模型

    cache的访问过程

    虚拟地址经过地址变换可以得到相应的物理地址;物理地址经过地址映射可以转化为cache地址。cache与主存之间存在全相联映射、直接映射、组想联映射三种地址映射方式,因此cache的访问分别存在以下三种情况。

    • 全相连映射


    图7 cache全相连映射
    • 直接映射


    图8 cache直接映射
    • 组相连映射


    图9 cache组相连映射

    主存储器的访问过程

    如果cache访问未命中,则需要访问主存。而在访问主存的过程中cpu的传输周期比存储器的存储周期小,为了提高访问速度,存储系统通常采用多体交叉存储技术。多体交叉存储器由多体模块组成,每个模块都可由DRAM芯片经过扩容而成。因此主存储器的访问过程可以分为三个层面:多体交叉存储器的访问过程、主存模块的访问过程、DRAM芯片的访问过程。

    • 低位交叉存储器的访问过程


    图10 低位交叉存储器的访问过程
    • 主存模块和DRAM芯片的访问过程


    图11 主存模块和DRAM芯片的访问过程

    转载于:https://www.cnblogs.com/zzzz76/p/10256334.html

    展开全文
  • 请显示处理结果,并附简要处理流程说明。 2、问题分析 若想改善图片的质量,我们需要去除其中的噪声。图片轮廓不清晰,我们将其锐化即可。 下面简单介绍一下处理过程中遇到的问题及解决方法: 问题 ...
  • 互联网产品 设计流程

    2011-12-04 02:43:03
    每个产品主要经过以下几个阶段: 一 可行性评估 ...我们也会准备相关资料与其进行沟通,主要会从数据报告、功能性及可行性三方面下手,在探讨的同时会指出功能或结构上的一些问题,并提出改善方案,这步一定...
  • 测试问题汇总

    2014-09-30 09:44:55
    关于测试部的开展和规划的几点建议 对于测试部来说是一个完善的过程,是一个不断减少BUG的过程,所以对于测试部来说要多开会多总结经验,多做笔录,大家相互总结近段时间所遇到的问题...下图为项目开发测试运营流程图
  • <div><p>弃用Glide使用Fresco,OOM的问题会降到最低,图片加载流程也会大幅改善</p><p>该提问来源于开源项目:PureDark/H-Viewer</p></div>
  • 以往采用多方向滤波、中值滤波、F.Safa滤波对混合图像进行滤波处理,存在效果差的问题,为了改善混合图像质量,提出了基于数学形态学的均值滤波方法。根据混合图像结构元素选取流程,分析不同混合图像结构元素尺寸,...
  • 机器学习的流程是,你尝试很多的思想,然后用训练集训练不同的模型,使用开发集来评估不同的思路,选择一个,之后不断迭代去改善开发集的性能,直到最后你可以得到一个令你满意的成本,之后用测试集去评估。...
  • 引入直方均衡化改善图像对比度,丰富灰度色调,增晰图像暗部特征以提升特征点数量和正确匹配率;为了克服传统匹配对提纯算法中阈值设置不准确、参数调整困难及模型不唯一的缺点,结合两倍中误差准则提出全局自适应...
  • 基于透射率修正的湍流模型与动态调整retinex的水下图像增强先验知识lab空间瑞利分布暗通道先验理论...该文章提出的算法优点在于考虑图像增强的偏色情况,抑制图像噪声,且改善了其他模型参数简单的问题,具有良好的通
  • 这是我这几年被学生和同行问过最多的问题,在游戏行业技术逐步更新换代的过程中,次世代这个词被越来越多的提起来了,要回答如何学习次世代,先要跟大家解释什么是次世代。 “次世代游戏”指代和同类游戏相比下...
  • 简介:结核病仍然是尼日利亚的主要公共卫生问题,在30个高结核病负担国家中排名第七。 尼日利亚是三个国家之一,占全球430万例“失踪”结核病例的一半。 每年有1例未经治疗的结核病病例可感染约10-20人。 因此,通过...
  • 搜狗地图发布了新版的移动端地铁,改版初衷是为了用户交互体验的提升以及性能的改善。原版地铁被用户吐槽最多的是pinch缩放不流畅、无过渡动画、拖拽边界不合理等等,大体上都是交互体验上的问题。实际上原版的...
  • 本文结合临床放疗工作中的实际问题,介绍了IGRT 流程中勾画、计划、定位和传输4个环节的研究现状和进展,并对未来精准放疗的发展进行展望,以期能帮助临床医生更好地认识IGRT 技术,促进个体化放疗工作的...
  • Instantaneous Technologies 发明的瞬时锁定环 (ILL) 技术可让上述所有问题迎刃而解,并且他们已使用完整的 Tanner 设计流程证明了其 IP 的可行性。阅读本案例分析,了解他们的成功经验。 白皮书的完整内容都放在...
  • 无监督问题生成-源码

    2021-02-20 12:23:00
    通过自动将问题列表应用于新文档并使用提取的答案来实现流程自动化。 :ledger: 用法,指南,API文档... :laptop_computer: 如何安装 :artist_palette: 核心概念概述 :eyes: 概念,选项和用法的基本说明 :...
  • 激光雷达(Ladar)精确地测量物体的位置,这有助于改善位置预测,而雷达提供更好的物体速度估计,从而改善速度预测。 当使用EKF时,该项目没有解决如何正确设置过程噪声Q和测量噪声R的协方差矩阵的问题。关于这一点...
  • 3. 针对骨学、关节外科、普外科、口腔科等临床基础研究中的数字医学问题提供实例讲解; 4. 为相关临床课题提供基本科研思路。 四、培训内容(通过网上直播平台进行实时授课) 一:有限元法概述及分析(生物力学...

空空如也

空空如也

1 2 3 4 5 ... 13
收藏数 259
精华内容 103
关键字:

问题改善流程图