ETR 071-1993
测试和规范方法(MTS); SDL和TTCN之间的语义关系一种常见的语义表示

Methods for Testing and Specification (MTS); Semantical Relationship Between SDL and TTCN a Common Semantics Representation


 

 

非常抱歉,我们暂时无法提供预览,您可以试试: 免费下载 ETR 071-1993 前三页,或者稍后再访问。

您也可以尝试购买此标准,
点击右侧 “购买” 按钮开始采购(由第三方提供)。

点击下载后,生成下载文件时间比较长,请耐心等待......

 

标准号
ETR 071-1993
发布
1993年
发布单位
ETSI - European Telecommunications Standards Institute
当前最新
ETR 071-1993
 
 

ETR 071-1993相似标准


推荐

从机器翻译到阅读理解,一文盘点PaddlePaddle官方九大NLP模型

这些多粒度语义表示有助于探索上下文回答语义依赖。互注意力机制(Cross-Attention)贯穿于上下文回答注意力机制,可以捕获不同语段对依赖关系,从而在多轮上下文匹配回答中为文本关系提供互补信息。△ DAM模型网络结构该模型在Ubuntu豆瓣对话两个语料库上测试了多轮对话任务,如下表所示,相比其他模型有最优效果。...

网络空间态势多尺度表达研究

常见方法有层次分析法、模糊综合评判、灰色模糊综合评估等。(3)推理方法网络空间事件、行为等存在着一定时空关系,它是关于行为语义尺度聚合重要依据。基于贝叶斯网络、语义网等表示网络空间事件、行为、行动等之间关系,在此基础上,基于观测到安全事件推导网络行为、意图等。常见方法有贝叶斯网络、D-S证据理论、不确定性推理等。...

基于知识图谱问答系统关键技术研究 #01 | PaperWeekly

基于知识图谱问答系统,需要解决两个核心问题:(1)如何理解问题语义,并用计算机可以接受形式进行表示(问题理解表示);(2)以及如何将该问题表示关联到知识图谱结构化查询中(语义关联)。问题理解表示:知识图谱中有数以千计关系,而一种关系可以有数以千计问法。例如,表 1.1 中问题 ○a 问题 ○b 都询问了檀香山市的人口,尽管它们表达方式大相径庭。...

机器人懂点「常识」后,找东西方便多了:CMU打造新型语义导航AI机器人

于是,相比于用更多样本对系统进行训练,这次研究者们换了一种思路:采用半监督学习方式,使用一种名为semantic curiosity(语义好奇心)奖励机制对系统进行训练。训练核心目的,是让系统基于对语义「理解」来确定目标物体最优位置,换而言之,就是让机器人“学点常识”。举个例子,通过理解冰箱洗手间差异,机器人就能搞懂目标物体房间布局关系,并计算出最容易找到某个物体房间。...





Copyright ©2007-2022 ANTPEDIA, All Rights Reserved
京ICP备07018254号 京公网安备1101085018 电信与信息服务业务经营许可证:京ICP证110310号