首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    新手用了UML后,却被领导痛批,如何避免?

    说了你又不听,听了你又不懂,懂了你又不做,做了你又做错,错了你又不认,认了你又不改,改了你又不服,不服你又不说!你让我怎么做。 ——《江湖》 一些人看了《图解产品》后,就把书中内容用起来了。在这个过程中,有人收获了惊喜,有人收获了惊诧。 收获惊喜的同学说,研发夸他了,说“小伙子不错吗,连状态图,顺序图都会,有两下子。” 收获惊诧的同学说,领导痛批她了,不听她说完,就全部否决了。痛批的原因,一方面是领导不懂UML,另一方面是她用的有问题,沟通也需改善。 下面就是我和金鱼网友的对话,她也是我星球的读者,下面内容

    01

    慢波睡眠中脑电微状态与脑功能网络的相关性

    脑电图(EEG)的微观状态在清醒状态下已被广泛研究,并被描述为“思维原子”。先前对脑电图的研究已经发现了四种微状态A、B、C、D,它们在静息状态下是一致的。同时使用脑电图和**功能磁共振成像(fMRI)**的研究已经为静息状态下EEG微状态和fMRI网络之间的相关性提供了证据。在非快速眼动(NREM)睡眠中已发现了微状态,而慢波睡眠(SWS)过程中脑电微状态与脑功能网络之间的关系尚未得到研究。本研究在SWS过程中收集同步的EEG-fMRI数据,以检验EEG微状态与fMRI网络之间的对应关系。分析显示,4个微状态中有3个与fMRI数据显著相关:1)岛叶和颞后回的fMRI波动与微状态B呈正相关,2)颞中回和梭状回的fMRI信号与微状态C呈负相关,3)枕叶的fMRI波动与微状态D呈负相关,而扣带回和扣带回的fMRI信号与微状态B呈正相关。然后,基于fMRI数据,使用组独立分量分析来评估脑功能网络。组级空间相关分析显示,fMRI听觉网络与微状态B的fMRI激活图重叠,执行控制网络与微状态C的fMRI失活重叠,视觉和突显网络与微状态D的fMRI失活和激活图重叠。此外,由二元回归得到的各微状态的一般线性模型(GLM)β图与各成分的独立图之间的个体水平空间相关性也表明,在SWS过程中,EEG微状态与fMRI测量的脑功能网络密切相关。综上所述,实验结果表明,SWS过程中脑电微状态与脑功能网络密切相关,表明脑电微状态为脑功能网络提供了重要的电生理基础。

    00

    软件工程 活动图习题

    UML定义了5类,10种模型图: 1.用例图:从用户角度描述系统功能,并指各功能的操作者。 2.静态图:包括类图,包图,对象图。    类图:描述系统中类的静态结构    包图:是包和类组成的,表示包与包之间的关系,包图描述系统的分层结构    对象图:是类图的实例 3.行为图:描述系统动态模型和对象组成的交换关系。包括状态图和活动图    活动图:描述了业务实现用例的工作流程    状态图:是描述状态到状态控制流,常用于动态特性建模 4.交互图:描述对象之间的交互关系    顺序图:对象之间的动态合作关系,强调对象发送消息的顺序,同时显示对象之间的交互    合作图:描述对象之间的协助关系 5.实现图:    配置图:定义系统中软硬件的物理体系结构

    02
    领券