到新版报个到，顺便问个64位下的输入法问题

cncxz 2006-06-21 03:28:34

64位的内核装上64位的win3003系统，然后安装了清华紫光拼音和微软拼音4.0

这两个输入法多数情况下可以正常切换使用

但是在记事本中却调不出来，中文输入法只有系统自带的全拼输入法

又知道原因的么？

...全文

429 7 打赏收藏转发到动态举报

写回复

7 条回复

切换为时间正序

请发表友善的回复…

发表回复

celineshi 2006-06-21

打赏
举报

回复

是的，前50位发帖（有效帖）的用户可以得到积分奖励，还有抽取赠送奖品的活动

itzhiren 2006-06-21

打赏
举报

回复

怎么收到的系统消息里面说现在加入的有奖励，不知道怎么加入？就是发帖子吗？

李世东 2006-06-21

打赏
举报

回复

1. .NET多线程程序是native的，也就是说是windows多线程，因此会自动分布到多核来执行。如果你对自己的程序有效地进行了多线程化，那么就可以自动地享受多核的优势。

2. 但是算法的并行化，通常的多线程程序是不考虑的，所以即使是多线程程序，只要不是认真地考虑过算法并行，就无法最有效地利用多核。这个问题在.NET本身尚无有效解决方案。VC++可以使用OpenMP指令集，一定程度上提供了一个解决之道。

kingofworl 2006-06-21

打赏
举报

回复

软件支持不好？

celineshi 2006-06-21

打赏
举报

回复

可能跟输入法本身有关系把

cncxz 2006-06-21

打赏
举报

回复

根多核没什么关系

就是看到这个版面后想起这个问题来了（64位？多核？）

解决不了也无所谓，就当散分了呵呵

myan 2006-06-21

打赏
举报

回复

这跟多核有什么关系吗？

人工智能系统，特别是具备自主决策能力的智能体，正成为企业数字化转型的核心。其工作原理基于感知环境、设定目标并执行任务，通过机器学习与自动化处理实现复杂功能。这一技术的核心价值在于提升效率与智能化水平，但同时也带来了数据安全、算法公平性等监管挑战。在欧盟市场，以《通用数据保护条例》和《人工智能法案》为核心的法规框架，构建了覆盖AI全生命周期的监管网络。GDPR作为数据处理的基石，强调数据最小化、目的限制和自动化决策解释权，要求智能体在处理个人数据时确保合法性与透明度。AI Act则依据风险分级模型，对智能体进

快速掌握AGI合规要点，规避法律风险。本文深度解读2026奇点智能技术大会：AGI的法律框架，聚焦《AGI权责框架》92%企业未理解的关键条款，提供中英文逐条对照速查表，覆盖研发、部署、问责三大场景。权威实用，值得收藏。

本报告提供2026年AI工具市场格局分析的前瞻框架，指出算法之外四大非技术变量将重塑竞争边界：合规审计周期、客户LTV/CAC比值、MaaS SLA违约金条款、边缘推理延迟容忍阈值。适用于企业战略制定与投资决策，精准预判厂商分化逻辑，值得收藏。

内容概要：本文系统阐述了基于矩约束的最大熵方法在扩展不确定度评估中的理论基础与实现方法，并配套提供了Matlab代码实现。该方法通过引入已知的矩约束（如均值、方差等），在缺乏先验分布信息的前提下，依据最大熵原理推导出最符合客观规律且信息量最大的概率分布，从而对测量结果的不确定度进行更为合理和稳健的量化评估。文中详细论述了算法的数学推导过程、数值求解策略以及在实际工程问题中的应用步骤，尤其强调了其在处理非正态分布、小样本数据等传统方法难以应对的复杂场景时所展现出的优越性。; 适合人群：具备概率统计、信息论及数值计算基础知识，从事测量科学、实验数据分析、可靠性工程、系统建模与仿真等领域研究的科研人员、工程师，以及熟悉Matlab编程并希望深入理解不确定度量化前沿方法的技术开发者；使用场景及目标：①应用于高精度仪器校准、物理实验数据处理等需要精确评定扩展不确定度的场景；②解决输入变量分布未知或非正态时的不确定性传播与合成问题；③目标是克服传统GUM方法的局限性，提升在信息不充分条件下的评估客观性与鲁棒性；阅读建议：建议读者结合所提供的Matlab代码，深入理解拉格朗日乘子法求解最大熵分布的具体实现过程，重点关注矩约束的构建、熵最大化方程的求解以及最终置信区间的获取，同时可通过对比不同约束条件下评估结果的变化，来深刻把握该方法的适用条件与优势所在。

内容概要：本文提出了一种电动汽车聚合可行域的内近似模型，旨在精确刻画大规模电动汽车（EV）集群在充放电过程中的灵活性边界，并将其应用于含风、光、负荷等多重不确定性的微电网两阶段鲁棒调度中。通过引入鲁棒优化理论，结合大M法与列与约束生成（C&CG）算法，构建了能够有效处理不确定性并保证系统安全运行的优化模型。该方法不仅提升了对EV集群可调度能力的建模精度，还在保证计算效率的同时增强了微电网对可再生能源的消纳能力与运行经济性。; 适合人群：具备电力系统优化、鲁棒调度及混合整数规划基础知识，从事新能源并网、电动汽车参与电网互动、微电网能量管理等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标：①研究电动汽车集群作为分布式灵活资源参与电网调度的建模方法；②解决高比例可再生能源接入下的微电网两阶段鲁棒调度问题；③掌握大M法与C&CG算法在复杂鲁棒优化模型中的实现路径与求解技巧；阅读建议：此资源以Matlab代码实现为核心支撑，建议读者结合文中详细的模型推导与算法流程，动手运行并调试配套程序，深入理解内近似建模思想与鲁棒优化求解机制，同时可进一步拓展至外近似模型或不同聚合策略的对比分析，以全面掌握EV集群灵活性建模的技术体系。

英特尔边缘计算技术

568

社区成员

7,024

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章