tag 标签: 应用

相关博文
  • 热度 10
    2024-5-29 12:50
    1090 次阅读|
    0 个评论
    设计领域的应用 Midjourney的应用场景广泛而多元,在创意设计领域有着卓越表现。作为一款功能卓越的图像生成工具,Midjourney为平面设计、产品设计、室内设计、建筑设计、时尚设计以及工业设计等多个领域注入了无尽的创作活力。 首先,让我们走进平面设计这一充满创意的艺术领域。Midjourney作为一款强大的图像生成工具,为平面设计师提供了源源不断的创作灵感。在本节中,详细解析Midjourney在平面设计中的实际应用,通过提供平面设计提示词参考,帮助读者丰富提示词语料库。同时,演示了如何使用Midjourney轻松制作Logo、海报、包装设计等作品,让读者迅速掌握其操作技巧。 接下来,我们转向产品设计领域。Midjourney同样为产品设计师们带来了极大的创作便利,深入剖析Midjourney在产品设计中的应用场景,通过提供产品设计提示词参考,帮助读者拓展提示词语料,还展示如何使用Midjourney进行椅子设计、手机设计等图像生成,让设计师们能够更直观地感受其强大功能。 室内设计是一门集美学、功能性和舒适性于一体的学科,而Midjourney则为室内设计师们提供了丰富的创作素材和灵感来源。无论是住宅、商业空间、办公室还是公共建筑,Midjourney都能帮助设计师们快速生成符合需求的室内设计方案。 在建筑设计领域,Midjourney同样发挥着不可或缺的作用。建筑设计是一个融合科学、艺术和技术的创造性过程,而Midjourney作为一款强大的AI图像生成工具,能够为设计师们提供更多灵感来源,帮助他们构建出更具创意的建筑形态。 时尚设计是关于时尚与美学的创意领域,涉及服装、配饰、鞋等各种时尚产品的设计与创作。在时尚设计中,Midjourney同样能够发挥其独特优势,为设计师们提供丰富的时尚元素和灵感,助力他们创作出更具个性和创意的时尚作品。 工业设计领域。工业设计注重产品外观、功能性和用户体验,致力于设计出实用而美观的工业产品。Midjourney能够为工业设计师们提供强大的支持,帮助他们快速生成符合需求的产品设计方案,提升产品的市场竞争力和用户体验。 绘画领域的应用 绘画工具,作为艺术创作的基石,是艺术家在画布上挥洒创意的得力助手。而绘画技法,则是艺术家运用这些工具,将内心世界以独特方式呈现于画布上的艺术手段。在本书中深入探索绘画工具与技法的奥秘,借助实战案例,细致解读Midjourney如何巧妙诠释各种绘画工具与技法。 在绘画过程中,准确运用专业术语至关重要,它们如同指南针,引领我们精准掌控生图效果。绘画主题,作为艺术作品的核心灵魂,承载着艺术家的情感与思考。无论是风景的宁静与壮丽,人物的生动与细腻,还是静物的质朴与静谧,每一个主题都蕴含着独特的情感与意境。在本书中聚焦于绘画主题,通过实战示例,展示Midjourney如何根据主题提示词,巧妙捕捉不同主题的神韵。 绘画风格,则是艺术作品外在表现形式的精髓。它如同艺术家的签名,赋予作品独特的视觉魅力和情感色彩。印象派的光影变幻、现实主义的细腻刻画、超现实主义的奇幻梦境......每一种风格都代表着一种独特的审美追求。重点探讨绘画风格,通过实战操作,展示Midjourney如何运用风格提示词,生动演绎各种绘画风格的魅力。 CG插画作为现代艺术的璀璨明珠,以其数字化特性在插画领域独树一帜。它借助计算机图形学技术,将传统手绘插画的魅力与数字技术的便捷完美结合,为艺术创作带来了更多可能性。 摄影领域的应用 摄影,这一融合了艺术与技术的奇妙领域,通过捕捉瞬息万变的光线与影像,将那些令人心动的瞬间定格成永恒的画面,Midjourney在摄影主题和技术方面的精彩表现。 首先,为读者呈现一系列丰富的摄影主题和技术关键词,这些关键词将作为创作提示词的灵感源泉,帮助读者领略摄影主题的丰富多样和技术手法的无穷魅力。同时通过大量的生图实例进行演示,使读者更直观地感受Midjourney在摄影创作中的应用和魅力。 接着深入剖析镜头、滤镜、视角等关键词在摄影中的重要作用。通过对比不同生图的呈现效果,综合运用这些关键词,展示它们在摄影创作中的独特魅力和应用价值。这样的综合应用将帮助读者更好地掌握Midjourney摄影图生成技巧,从而更高效地创作出高质量的摄影图像素材,节省创作时间和成本。 在Midjourney生成摄影图的过程中,读者可以灵活运用各类摄影主题提示词,轻松生成与特定主题紧密相连的摄影图像。无论是风景、人像、儿童还是宠物等主题,通过精准选择和使用这些提示词,我们都能轻松生成符合主题的精彩作品。读者还可以通过添加摄影技术类提示词,对生成的图像进行精细调控。这些技术类提示词包括但不限于焦距、曝光、白平衡等,它们将帮助我们在Midjourney中呈现出不同摄影技术的独特效果。 还将对镜头、滤镜、视角和光影等提示词进行详细的分类扩展,并结合前文已出现的提示词和示例进行实战演示。镜头作为摄影和摄像过程中的核心元素,其质量和性能直接影响着成像的效果。而滤镜则是一种强大的影像处理工具,能够改变光线的特性,为作品增添独特的风格和效果。视角的选择则能够影响作品的视觉效果和情感表达,为作品带来不同的观赏体验。光影作为摄影中的重要元素,能够为作品增添立体感、层次感和情感色彩。 最后还深入探索Midjourney的众多创意应用,为读者揭示其令人瞩目的图像生成能力,例如析数字人视频生成、AI便捷化视频制作等等。借助Midjourney的强大功能,我们可以轻松生成逼真的人物肖像照,而D-ID则能帮助我们实现数字人视频的精彩制作。AI便捷化视频制作的奥秘需要借助ChatGPT的智能文案生成功能,迅速获取高质量的视频文案,同时Midjourney的视频素材生成能力将为我们提供丰富的视觉元素,最后利用剪映等视频编辑工具,可以轻松地将这些元素融合成一部精彩的视频作品。
  • 热度 6
    2022-5-7 10:22
    4910 次阅读|
    0 个评论
    1.流体粘度的概念与测量方法 (1)什么是粘度 粘度是表示流体在流动时,流体内部发生内摩擦的物理量,是流体反抗形变的能力。 物理定义 国标中对粘度的定义【1】:在两个平行平面间受剪切的流体,单位接触表面积上法向梯度为1时,由于流体粘性所引起的内摩擦力或剪切力的大小称为粘度。非牛顿流体在某一剪切速率下的粘度称为在该剪切速率下的表观粘度。 百度百科对粘度的定义:是物质的一种物理化学性质,定义为一对平行板,面积为A,相距dr,板间充以某液体;今对上板施加一推力F,使其产生一速度变化度所需的力。 即,η=(F/A)/(du/dr)=τ/r′,其中T为剪切应力,r′为剪切速率(速度梯形) 2符号与单位:η(Pa·s) Pa·s代表的意义:即块面积为1㎡的板浸于液体中,两板距离为1米,若在某一块板上加1N的切应力,使两板之间的相对 速率 为1m/s,则此液体的粘度为1Pa·s (2)粘度的影响因素 根据流体性质的不同,流体可分为牛顿流体和非牛顿流体。 牛顿流体的粘度只与温度有关,与切变速率无关,非牛顿流体的粘度与温度(主要)、压力等有关。 并且液体的粘度随着温度升高而减小,气体粘度则随温度升高而增大。 (3)动力粘度(dynamic viscosity),运动粘度(Kinematic viscosity)与恩氏粘度(Engler viscosity) 动力粘度,又称为动态粘度、绝对粘度和简单粘度,是度量流体粘度大小的常用物理量,常记为μ或η,单位为Pa·s(即kg/(m·s)),常用非法定计量单位1厘泊(cp或cps)=1mpa·s 2. 运动粘度,是流体的动力粘度与同温度下该 流体 密度ρ之比,记为v,单位为m2/s 动力粘度与运动粘度的关系: 3. 恩氏粘度,全称“恩格勒黏度”或“恩格尔粘度”,亦称“相对粘度”、“条件粘度”。是一定量的试样,在规定温度(如:50℃、80℃、100℃)下,从恩氏粘度计流出200毫升试样所需的时间与蒸馏水在20℃流出相同体积所需要的时间(秒)之比。单位为:°E(量纲为1),恩氏粘度可以与运动粘度之间进行换算,即: (4)牛顿流体的常用粘度测量方法 : 毛细管法(泊肃叶法) 适用性:适用于实验室取样测量105mm2/s以下的运动粘度。 测量原理:通过测量一定体积的流体在重力作用下,以匀速层流状态流经毛细管所需的时间,从而求得运动粘度。 毛细管粘度计类型:平氏粘度计,芬氏粘度计,乌氏粘度计,逆流粘度计。 2. 落球法 适用性:适用于实验室取样测量,量程较宽,特别适合高粘度试样在低剪切速率下的粘度测量 测量原理:落球法有直落式和滚落式两种方法,直落式是通过测量球在液体中自由下落一定距离所需的时间,从而求动力粘度,滚落式是通过测量固体球在充满试样的倾斜管子中沿管壁滚落,下落一定距离所需的时间从而计算浓度。 测量球和试样管:直落式采用直径为1~4mm的若干轴承钢球,滚落式采用直径为11~15.8mm的不锈钢、合金钢或玻璃球;试样管的计时标间隔不应小于50mm,直落式的试样管的直径必须是测量球直径的5倍~10倍。 3.旋转法(转筒法) 适用性:本方法测量范围宽,适用于实验室取样测量。 测量原理:使圆筒(圆锥)在流体中旋转或圆筒(圆锥)静止而停周围的流体旋转流动,流体的粘性扭矩将作用于圆筒(圆锥),根据球体的动力粘度和扭矩的关系,可以求得流体的动力粘度 4.振动法(阻尼法) 适用性:适用于实验室和工业过程测量1000mPa·s以下的粘度 测量原理:用一定强度的磁脉冲激励测头使振动体振动,振动体置于被测流体中,受流体粘性阻力作用振动将衰减,根据其衰减系数与流体的动力粘度和密度的关系可得到该被测流体的动力粘度。 2.流体粘度传感器的常见参数: 以瑞士Truedyne sensor公司的VLO-M1粘度传感器为例,其传感器的参数如下: 测量允许介质:无颗粒(<30μm)碳氢化合物,如汽油E5/E10/E85,柴油B7/B10/XTL,M100(甲醇),异丙醇等。 测量精度:± 重复性:±0.1 mPa·s 测量范围:0~5 Pa·s或0~50 Pa·s 允许的介质和环境温度:-20~+60℃ 允许的流量范围:0~10 L/h 允许的压力范围:0~20bar 尺寸:80 x 30 x 15 mm3 质量:<150g 此外该传感器还能测量密度,以及由粘度和密度衍生出的平均密度、浓度等参数 图1:Truedyne sensor公司的VLO-M1粘度传感器 3.流体粘度传感器的常见应用: 粘性,是流体的基本特征,流体粘度传感器的最常见应用,是对产品品质进行监测,根据产品对粘度的不同相关监测需求可分为以下三类 : (1)产品的品质直接与其粘度相关: 如油墨的稳定性、沥青的品质分级、食品(巧克力、米粉等)的口感等,这些产品的最终质量直接与其粘度相关。 (2)产品工艺的品控与粘度相关: 如聚合物(化纤、树脂等)的合成反应终点判定、陶瓷浆的配料准确性等,这些产品的生成工艺与粘度相关,需要粘度对产品工艺进行品控。 (3)工程设计或控制需要粘度指标: 如管道的设计、燃料的燃烧效率、输送过程的监测和控制等。都需要测量粘度以达到最佳或最经济的效果。
  • 热度 27
    2014-3-12 09:12
    3250 次阅读|
    1 个评论
    SCOR及其在供应链管理中的应用     SCOR这个东西,大家可能都听说过,但是怎么用,很少有人能说清楚,我自己是对这个有兴趣。我说说我的经历,我读博士的时候,有一年被导师派到交通部物流工程研究中心,做了一些物流标准和物流相关技术研究,然后回学校继续完成学业。博士毕业后,从2006年开始,就一直在中兴做,做的供应链相关岗位比较多,先后做计划员、采购与供应商管理、供应链战略规划等等。现在又到中兴旗下专门的供应链公司,我在那边负责战略规划、供应链咨询、市场分析等。我对供应链一直很有兴趣。每年Gartner公司会发布全球供应链25强的排名,这个排名的知名度很高,它的评估因素同时包括定量和定性部分。这个结果是什么样的,2013年的全球排名依次是苹果,麦当劳,亚马逊,联合利华,Intel,宝洁,思科,三星,可口可乐,高露洁,戴尔。Inditex这个公司可能大家不了解,但是它旗下的品牌大家都知道,就是做服装的ZARA,ZARA的供应链管理在服装行业是非常创新的。接着是沃尔玛,耐克,星巴克,百事可乐,HM,卡特彼勒,3M,联想。联想是中国公司第一家进入全球供应链TOP25的公司。接着是雀巢,福特汽车,康明斯,高通,强生。除了全球排行榜外,还有分区域和行业,区域我们看看亚太这一块。分别是三星、现代、塔塔汽车。塔塔就是当时造出2000美金汽车的公司,后面是联想,华为。下边的这家公司是澳大利亚的一个公司,食品的零售商。丰田、华硕,现代重工,这家是日本7-11的母公司。接下来还有本田汽车,佳能,LG,小松,伟创力。   做供应链做的好的,可能大家都以为是高科技,服装行业。其实按我个人的理解,做的非常好的,反而是那些做代工的企业。因为这些品牌企业,像苹果也好,三星也好,你的量很大,对上下游的推动力很强。像富士康、伟创力这样的EMS企业,他们的客户,很多像思科戴尔这样都是顶级的公司,上游的很多供应商也很强势。他们的利润就两三个点,真的是在刀尖上跳舞。这几家代工企业做供应链的人出去后,很多企业都抢着要。通常高科技公司的毛利多,没有动力去追求供应链的极致。大家注意到没有,这些排行榜上的公司,很多产品不一样,市场也不一样,他们为什么能放在一起比较呢,因为他们的供应链都是按照SCOR设计的。   给大家介绍一下,今天的内容包括SCOR的核心流程、绩效评估与对标,还有一个是SCOR的供应链的建模。说到SCOR这一块,首先说国际供应链理事会SCC。国际上跟供应链有关的四家,CSCMP是以物流起家,SCC重点在于供应链的架构、绩效、流程,ISM是以采购为主的,还有一个APICS重点关注生产与库存。SCC是怎么来的,它是由两个咨询公司PRTM和AMR为主,加上IBM等一些大公司。因为他们发现,虽然他们做的行业不一样,但是事情其实差不多,他们就成立了这个组织。后来AMR被Gartner收购了,PRTM被普华永道收购了,我跟这两家公司的接触比较多。SCC做的比较聚焦,就是做SCOR模型。现在已经升级到了11.0版本。其实他们的组织就跟CSCMP一样,专职的人很少,而是依靠像IBM这样的成员企业,把大家的东西分享出来,每年把这个都集中起来做推广。大家看到SCC的全球会员,既有像宝洁这样的产品企业,还有波士顿、普华永道这些知名咨询公司,还有甲骨文、SAP、微软等软件公司。同时还有一些物流公司,像DHL。比较奇怪的是,里面还有美国国防部的机构,上次我还就此专门写了一篇文章。大家可能感到奇怪,美国国防部也搞供应链?其实世界上庞大的供应链体系是美国国防部。SCOR在中国,进入的比较晚,这几年中国有了专门的管理团队。中国区的成员企业中,本土的企业像中兴,海尔、联想、富士康,也有外资在中国的子公司。大家听到这些名字遍布各个行业。其实只要有产品,哪怕是电商企业京东淘宝,都会有供应链管理。还有一个是昆山市的政府机构,昆山出入境检验检疫局,当时我在培训的时候,大家相互介绍,分别是来自IBM、中兴等等,突然有一个政府的。我们奇怪他们来干什么的,他们说学习SCOR为了更好地服务企业。而且他们还组织人做SCOR的翻译,我说这一般人不会做的,这就体现昆山的领导很有远见,难怪被多次评为最受台商欢迎的城市。   SCOR能做什么用,实际上它在几方面帮助客户,一个是提供优质的客户服务。大家觉得这个客户服务还不简单,客户要什么我给你什么,其实没有那么简单,我举个例子叫完美订单,不仅仅是说你按时送到货就算了,还要保证单据的完整、信息传递的及时准确。其次是成本控制,这个就跟全成本控制TCO相关。虽然TCO被喊了很多年,但是有几个企业能做到呢?SCOR就给我们提供了一个路径,每一个流程里面都有成本指标,这个可以层层的分解。还有一个是计划与风险。我知道近两年发生好几个事,对供应链冲击很大,像日本地震,泰国水灾。日本地震的时候,我们几乎每天都查,到底影响会多大,要不要提前备货?还有会对供应链伙伴管理有帮助,前两天我写了一个文章就讲,供应链管理的普通话和方言。外企沟通供应链的时候他们就很好理解,基本上障碍比较少。但是国内企业之间交流,经常不知道对方在说什么。咱们很多公司的供应链高管,以前是从市场或研发出身的,对供应链的理解往往靠自己的经验。在供应链简单的时候还可以应对,到了复杂的时候,就很麻烦。还有一个作用是供应链人才,做供应链,不论是做计划还是采购,都是需要专业的,要什么素质、什么认证。   SCOR的流程,说到这里就提到标准化的问题。肯德基麦当劳厉害在哪里,开店超过一万家还能保持不走样。中国的快餐能够超过100家的有几家?关键就是你的标准化没有达到极致。   大家都以为SCC只有SCOR,其实他们有几块东西,从产品研发的DCOR到销售的CCOR,这一整套都有。只不过SCOR是核心,其他两个更新比较慢。国内公司大多在计划这块比较难提升。包括那几家服装公司,为什么这两年出现问题了,关键是计划和库存管理没做好。端到端的供应链管理,现在我们通常会管到核心的二级供应商,像苹果能控制到四级供应商,他们非常厉害,他们基于产业链来做供应链整合,这个是非常核心的。这个是某家打印机公司的供应链,以此来说明全球供应链管理。跟我们提供物流服务的物流商都感觉巨大的挑战,因为地域广,产品供应链长。比如到了阿富汗,该怎么做物流。还有一次跟国际物流的朋友交流说,我们的货要运到印尼一个海岛的山上,要么找直升机,要么用毛驴,听起来简直是笑话。这些发展中国家的交付是一个大的挑战。   为什么SCOR那么好,但是知道的人不多,因为它主要跟供应链中观、宏观层面相关。哪些地方会用到SCOR呢,首先是设计企业供应链战略的时候。举个例子,比如说我现在做电子产品的,想切入一种产品,你必须考虑如何设计供应链。还有一个地方,优化ERP,很多的企业ERP实施效果,往往是因为你的供应链管理体系没优化好。还有一个是并购重组这块。比如说惠普收购康柏的时候,供应链该如何整合呢,谁规范就按谁的标准来。当时联想收购IBM的时候,至少有两大收获,一个是得到了Think品牌,另外就是学到了IBM的先进供应链管理体系。还有一个多产品理念,这个对中国很多的公司是很有用的。产品少的时候供应链还好管理,产品多的时候不知道怎么玩了。进入一个新的领域就意味着你的供应链要重新设计了。还有一个是跨市场的,我们出国以后经常遇到这个问题,在中国的很多资源好找,找工厂资源、物流商资源都好找,到了很多的新兴国家就举步维艰。还有一个是核心业务外包,比如说苹果,苹果有供应链吗,当然有。它核心是做品牌和渠道的,但是苹果有很多的人在管供应链。举个例子,苹果的包装盒大家看到了吗,为什么那么小,实际上是有道理的,发货的时候装到大箱子里面,不需要填充物。做物流的朋友就很清楚这个对物流成本的节省。   SCOR流程这一块,大家 对供应链流程  体系体系体系体系体系 了解一下就行。很多的朋友说,公司内部管理混乱,很多事都在扯皮,其实是流程体系的规范性和流程的执行有问题。SCOR流程体系的第二层有30个流程,包括计划、采购、生产、交付、退货。以及一些基础的使能流程。有一点我想强调说下,我觉得国内公司,无论是大公司还是小公司,在数据质量管理这方面都不太完善。有一次我跟朋友开玩笑,你看看你们公司的数据有多少是真正没问题的。说起来啥数据都有,但是数据的时效性、可靠性就不好说了。   供应链通常有三种模式,就是按库存生产、按订单生产、按订单设计。第三个就是按订单设计,这个最典型的是飞机,大家看飞机貌似都一样,但其实是没有任何两家飞机是一样的,即使同一家航空公司。如果你没有订单来,波音、空中客车这些飞机公司它肯定不敢做的。还有一个是电梯行业,电梯那个东西是高度定制,如果客户的需求不确定好,怎么做?   绩效这一块,SCOR绩效是参考平衡记分卡的,只是集中在客户和内部两大维度。具体来说, 分别考虑供应链的可靠性、响应能力、敏捷性、成本和资产 。这个是它的一级指标,其中有一个是时间。现在很多的供应链对时间要求比较紧。以手机行业为例,它的产品生命周期很短,你晚一点发货就不知道卖给谁了。在SCOR新版本中,还增加了风险因素。    针对不同类型的供应链,会有相应的指标金字塔 。比如说像沃尔玛的供应链,怎么玩,这个供应链怎么考核;比如说像戴尔的供应链我该怎么玩,这个供应链我考核什么指标。   供应链的指标体系,从第一层、二层、三层到五层,这个是逐层分解的。这是可以在行业内进行同行对标的。怎么对标,你要首先要愿意提供你的数据。对标结果只能告诉你,你这一块的指标在行业内处于什么水平,不会具体告诉你某家企业的指标的,那样的话平台就没有公信力了。   这个是SCOR的一个建模。SCOR有几个角度分析供应链,分别从业务范围怎么界定,地理、流程、流线图。举个例子,比如说一家MP3的公司,你的供应商是谁,你发货给谁。这个地图有什么用,能够对供应链有一个整体展现。这方面欧美企业做得那么精细。还有可以做风险展示,比如是做硬盘的公司,全球很多硬盘的工厂集中在泰国,那边又容易遭受水灾,一出事都傻了。   结合SCOR,我从客户角度看高科技行业对物流供应链的挑战。现在国内很多高科技企业走出去面对很多的问题。我们说采购是全球化采购,比如说往东南亚转或者其他的地方。这种转移会带来什么问题,必须把供应链标准化。企业越复杂对人的挑战比较高,如果不想出问题,就把这个供应链的标准化做好。小米的供应链是客户化定制的供应链,以前我们叫供应商介入研发,现在是用户介入研发。为啥小米这么成功,他就是会讲一些用户听得懂的故事。现在创新型的手机厂商一定是先讲故事,故事很吸引人,大家就纷纷跑过去。   第二个不确定性,尤其是互联网受冲击的市场领域,现在市场变化太快,你稍微反应慢一点就被甩后面了。这就要求我们尽可能缩短供应链的响应时间。   还有一个是产品生产周期不断缩短。以前大家用手机,两年换一次,现在一年不到,很多小孩几个月换一次。这个对供应链的挑战太大了。现在有一个概念叫新产品导入的供应链,这个供应链是最难搞的。比如说一款新产品上市,到底能卖100万台?50万台?还是10台万?备货多了就是一堆库存,备少了缺货又会被顾客骂死。   我是从高科技企业的角度来看物流的,大客户通常想找几家物流企业做整合。现在的物流,单个环节已经没啥优势了,因为你具有很强的可替换性。如果你能做全程,两者就绑定的很紧了。这个是交付的过程可视,比如说发一批货,你能做到全程跟踪吗?像快递那种单个货物的跟踪还好,像工程项目,一个合同都是上千种产品,咋跟踪呢?还有一个,能不能让风险可控,这个风险包括各方面的风险,比如天灾人祸。   我们希望物流企业公司具备什么能力呢。首先,要能真正理解客户的产品特征、客户的需求到底是啥。还有一个是希望你们的信息能及时传递到位。国内大企业走出去,确实也想把本土的供应商和物流商带出去,但是前提是你要能做。还有一个是系统对接能力。说实话现在的物流都是基于IT。今天我看的一个资料说,好的物流公司,一定是一家IT能力很强的公司,要能够把链条上这些信息串起来。灵活风险应变能力,比如说我们这个产品发到**去,如果过程中出现问题,你能不能及时找到替代方案。
  • 热度 23
    2012-1-19 09:49
    2126 次阅读|
    0 个评论
    为了使用3M赫兹的 模拟 输入来实现数字读取,执行下列步骤: 1.      设置一个有一个条目的信道增益队列; 2.      选择信道0; 3.      将增益码属性设置为CHAN_SEDIFF_DIG(8192) 4.      把接收到的数据按16位 板卡 上的16位数字值或12位板卡上的12位数字值做处理,而不是按照电压处理。 实现这一过程的代码被列在下面: ' For boards having unique, product-specific attributes Const CHAN_OEM_SHIFT   As Integer = (-2) ^ 15 Const CHAN_OEM_MASK    As Integer = (1 * CHAN_OEM_SHIFT) ' use std attribs Const CHAN_OEM_DEFAULT As Integer = (0 * CHAN_OEM_SHIFT)     ' use OEM attribs Const CHAN_OEM_FLAG    As Integer = (1 * CHAN_OEM_SHIFT)     ' For boards supporting programmable single-ended vs. differential inputs Const CHAN_SEDIFF_SHIFT   As Integer = 2 ^ 13 Const CHAN_SEDIFF_MASK    As Integer = (3 * CHAN_SEDIFF_SHIFT) ' use static config Const CHAN_SEDIFF_DEFAULT As Integer = (0 * CHAN_SEDIFF_SHIFT)  ' digital input chan Const CHAN_SEDIFF_DIG     As Integer = (1 * CHAN_SEDIFF_SHIFT) . . .     DriverLINXSR1.Sel_chan_N = 1     DriverLINXSR1.Sel_chan_format = DL_tNATIVE     DriverLINXSR1.Sel_chan_list(0) = 0     DriverLINXSR1.Sel_chan_gainCodeList(0) = CHAN_SEDIFF_DIG 这些代码设置服务请求的单个属性。      第一个属性告诉DriverLINX,在信道增益队列(上面的步骤1)中,只需要一个信道。      第二个属性(Sel_chan_list)告诉 DriverLINX 如何将数据存在缓冲区里。DL_tNATIVE表示按照硬件给出的格式存储。      第三个属性为信道增益队列中的第一项内容选择信道。在这种情况下,这个值必须是0(步骤2);      第四个属性设置数字读取(步骤3). 在代码的其它地方,这个数字值被逐位处理。 可能引起混乱的是,CHAN_OEM_FLAG被设置为(-2)^15,而不是2^15,这好像有更多的含义。答案在VisualBasic中。VisualBasic的整数总是有符号的,因此位15是符号位,用户取或的值必须是-32768,不是32768(它将会引起溢出错误)。 记住,对一个真正的应用程序来说,用户可能除了数字数据外还想获得模拟数据。这个应用被设计来展示实现 模拟输入 /数字输入功能的最简单方式,因此它不执行 模拟转换 。这个例子可以很容易被修改以向列表中增加更多的信道和增益。   了解更多信息 要想了解有关吉时利KPCI-3100系列板卡或者关于数据采集的更多信息,请点击 http://www.keithley.com.cn/products/data/analog 或登录吉时利官方微博 ( http://weibo.com/keithley ) 与专家进行互动 。 模拟 :http://www.keithley.com.cn/llm/a/27.html 板卡 :http://www.keithley.com.cn/news/prod061128 模拟转换 :http://www.keithley.com.cn/news/prod080721
  • 热度 24
    2010-5-21 10:53
    2256 次阅读|
    0 个评论
    有电子图书《传感器理论基础与应用》愿与众网友分享,如有需要请留下联系方式。
相关资源
  • 所需E币: 0
    时间: 7 天前
    大小: 3.21KB
    上传者: huangyasir1990
    一、RAG是什么?RAG是一种结合检索(Retrieval)和生成(Generation)的技术,主要用于让AI在回答问题或生成内容时,能够更好地利用外部知识库,而不是完全依赖于自身预训练的知识。简单来说,它就像是给AI配了一个“外挂”,让它在回答问题时可以先去知识库中查找相关的资料,然后再生成答案。二、RAG的工作原理RAG的工作可以分为三个阶段:(1)检索(Retrieval)用户提出问题后,RAG会先将问题转换成一个“向量”(一种数学表示),然后在知识库中查找最相关的向量。知识库中的内容会被提前处理成向量,并存储在一个叫“向量数据库”的地方。这个数据库可以根据语义理解来检索数据,而不是单纯靠关键词匹配。比如,你问“如何做巧克力蛋糕”,RAG会在知识库中找到与“巧克力蛋糕制作”最相关的资料片段。(2)增强(Augmented)找到相关资料后,RAG会把资料和用户的问题组合在一起,形成一个新的输入,送给大模型。这就好比你给AI提供了一个“提示”,让它在回答问题时有更具体的参考。(3)生成(Generation)最后,AI根据组合后的输入生成答案。因为有知识库的支持,生成的内容会更准确、更有针对性三、RAG的关键特性与挑战探讨了检索增强型生成(RAG)模型的核心要素和目标,详细分析了用户意图理解、知识检索、知识整合、答案生成和评估指标等关键环节。这些要素共同构成了RAG系统的框架,并揭示了其在自然语言处理任务中的重要性和面临的挑战。精准的用户意图理解准确理解用户意图是生成相关响应的关键,但用户查询的模糊性和多样性增加了理解难度,需借助文本建模、查询重写等策略提升意图理解的准确性。准确的知识检索知识检索为生成过程提供相关上下文,直接影响输出质量,但处理大规模数据集、平衡精确度与召回率以及应对动态数据源是其主要挑战,需优化检索算法并利用相关性反馈来解决。无缝的知识整合将外部知识与内部知识无缝整合是生成连贯输出的重要环节,面临处理不同数据类型、解决知识冲突和确保知识时效性的挑战,可通过多层整合策略灵活处理不同来源的知识。四、RAG训练分类:不更新数据存储的RAG训练:只更新RAG中每个模块的可训练参数,数据存储中的知识保持不变。更新数据存储的RAG训练:先更新数据存储中的知识,然后更新RAG中每个模块的参数。数据存储更新(RAGwithoutDatastoreUpdate):检索器训练(TrainingRetriever):训练检索器编码器并重建索引,通常涉及密集编码方法。根据训练目标,可能需要更换编码器或使用对比学习训练现有编码器。生成器训练(TrainingGenerator):更新生成器的参数或检索融合模块中的参数。采用参数高效的微调技术,如LoRA,以解决大型语言模型(LLMs)的微调问题。联合训练检索器和生成器(JointlyTrainingRetrieverandGenerator):同时训练检索器和生成器以提高下游任务的性能。确保从输入到输出的正向过程中的可微性,以实现端到端优化。数据存储更新(DatastoreUpdate):种场景涉及两个阶段:更新知识库,然后训练检索器和生成器。更新知识库有三种情况,即用可训练的嵌入更新、用新值更新和用新语料库更新。在第一种情况下,值通常是可训练的嵌入,并且与RAG中的参数同时/异步更新。最后两种情况通常指的是用最新信息更新知识库。以问答语料库为例,用新值更新指的是更新现有问题的答案,而用新语料库更新指的是添加新的问答对。要更新现有键的值,首先需要查询现有的键值对,然后执行就地更新。对于新的语料库,数据存储首先需要执行插入操作,然后重建或更新新键的索引。更新数据存储后,训练检索器和生成器类似于没有数据存储更新的RAG。五、RAG技术原理拆解RAG=检索系统+生成模型的架构设计,打破了传统生成模型的闭门造车模式:1.检索模块(Retrieval)A、基于用户输入的问题,从知识库/文档集中检索相关片段B、采用**稠密向量检索(DenseRetrieval)**技术,通过语义相似度匹配内容C、主流工具:FAISS、Milvus等向量数据库2.生成模块(Generation)A、将检索结果与原始问题拼接输入生成模型B、支持动态知识融合,如使用**FiD(Fusion-in-Decoder)**架构C、典型模型:GPT-4、Llama2等大语言模型3.协同优化机制A、端到端联合训练检索器和生成器(如REALM模型)B、基于强化学习的反馈机制提升结果相关性六、工作流程:查询提交和评估:用户提交查询,协调代理(或主检索代理)接收查询并分析以确定最合适的信息源。知识源选择:根据查询类型,协调代理从多种检索选项中选择:结构化数据库:对于需要表格数据访问的查询,系统可能使用Text-to-SQL引擎与如PostgreSQL或MySQL等数据库交互。语义搜索:处理非结构化信息时,使用基于向量的检索获取相关文档(例如PDF、书籍、组织记录)。网络搜索:对于实时或广泛上下文信息,系统利用网络搜索工具访问最新的在线数据。推荐系统:对于个性化或上下文查询,系统利用推荐引擎提供定制化建议。数据整合和LLM合成:从选定源检索到的相关数据传递给大型语言模型(LLM)。LLM合成收集的信息,将多个来源的见解整合成连贯且上下文相关的回答。输出生成:系统最终生成一个全面的、面向用户的答案,以解决原始查询。此回答以可操作、简洁的格式呈现,可能包括对使用源的引用或引用。
  • 所需E币: 0
    时间: 2025-4-11 14:03
    大小: 3.4KB
    上传者: huangyasir1990
    一、桌面软件开发的痛点与挑战尽管桌面软件开发在现代应用开发中占据重要地位,但其过程却充满了复杂性和挑战。传统开发方式通常需要开发者具备深厚的技术背景和丰富的经验,尤其是在面对复杂的业务逻辑、多语言支持以及跨平台需求时,开发效率往往会受到严重限制。此外,代码质量、性能优化和功能扩展等问题也常常让开发者头疼不已。这些问题的存在使得许多初学者望而却步,同时也增加了企业开发成本和时间投入。然而,随着AI技术的引入,这些痛点正在被逐步解决。AI不仅可以帮助开发者快速生成高质量代码,还能提供智能调试、性能优化等辅助功能,极大提升了开发效率和代码质量。二、AI驱动的桌面软件开发新范式1.智能化工具的崛起——以InsCodeAIIDE为例作为新一代AI驱动的集成开发环境(IDE),InsCodeAIIDE重新定义了桌面软件开发的边界。它内置了一个强大的AI对话框,允许开发者通过自然语言描述需求,从而快速生成代码。无论是简单的用户界面设计还是复杂的算法实现,InsCodeAIIDE都能轻松应对。例如,在开发一个桌面记事本应用时,开发者只需输入“创建一个支持富文本编辑的窗口”,InsCodeAIIDE便会自动生成相应的代码框架,包括窗口布局、菜单栏设计以及基本功能实现。这种基于自然语言的交互方式极大地降低了开发门槛,使得即使是编程小白也能快速上手。2.大模型API的价值体现除了自身强大的AI能力外,InsCodeAIIDE还集成了来自DeepSeekR1满血版和QwQ-32B等顶级大模型的API服务。这些API为开发者提供了更深层次的支持,涵盖自然语言处理、图像识别、语音合成等多个领域。以内容生成为例,开发者可以利用DeepSeekR1API快速生成高质量的文章、文档或帮助手册。假设你需要为一款桌面绘图软件编写用户指南,只需向AI发出指令:“生成一份关于如何使用本软件绘制矢量图形的教程。”几秒钟后,AI便会为你输出一篇结构清晰、内容详尽的文档。同样地,在涉及多媒体处理的应用场景中,QwQ-32BAPI能够帮助开发者轻松实现图像增强、风格迁移等功能。例如,如果你正在开发一款桌面图片编辑器,可以通过调用该API为用户提供一键美化功能,无需额外学习复杂的图像处理算法。三、智能化工具的崛起在过去的几十年里,桌面软件开发一直依赖于程序员的专业知识和经验。然而,这种传统的方式存在诸多限制,例如学习曲线陡峭、开发周期长以及维护成本高等问题。为了突破这些限制,CSDN、GitCode和华为云CodeArtsIDE联合推出了InsCodeAIIDE,这款新一代的AI跨平台集成开发环境旨在彻底改变开发者的日常工作流程。InsCodeAIIDE的核心优势在于其内置的AI对话框,这使得即使是编程初学者也能通过简单的自然语言交流实现复杂的功能开发。无论是代码补全、项目代码修改还是注释生成,AI助手都能迅速响应并提供精准的解决方案。此外,InsCodeAIIDE还支持全局代码生成/改写,能够理解整个项目的需求,并生成或修改多个文件,包括生成图片资源等。四、小白也能上手的Electron开发Electron框架的核心在于它将网页技术(HTML、CSS、JavaScript)与Node.js结合,从而允许开发者使用熟悉的Web技术构建跨平台的桌面应用。这意味着你不需要学习复杂的原生开发语言,例如C++或Java,就能创建运行在Windows、macOS和Linux上的应用程序。这大大降低了开发门槛,也使得Electron成为一个非常受欢迎的桌面应用开发框架。Electron的优势在于其跨平台兼容性、庞大的社区支持和丰富的插件生态系统。你可以轻松地集成各种第三方库和工具,快速构建功能强大的应用。从简单的工具应用到复杂的企业级软件,Electron都能胜任。例如,许多流行的代码编辑器(如VisualStudioCode)和协作工具就是基于Electron构建的。五、智能化工具的优势近年来,AI技术的发展为桌面软件开发带来了新的机遇。AI驱动的IDE通过深度集成自然语言处理(NLP)、机器学习(ML)等先进技术,显著提升了开发体验。具体优势包括:自动代码生成:通过简单的自然语言描述,AI可以自动生成符合需求的代码片段,大幅减少了手动编码的时间。智能代码补全:在编写代码时,AI会根据上下文提供最佳的代码补全建议,帮助开发者快速完成任务。代码优化与调试:AI不仅可以分析代码性能,还能提供优化建议和错误修复方案,确保代码质量和稳定性。项目管理与协作:智能化工具支持团队协作,提供了高效的版本控制和项目管理功能,增强了团队合作的效率。六、代码实战在Electron中,浏览器窗口只能在app模块的ready事件被触发后创建。你可以使用app.whenReady()API等待此事件完整代码:const{app,BrowserWindow}=require('electron')//只能在ready事件触发后创建窗口app.whenReady().then(()=>{ createWindow()})//创建窗口constcreateWindow=()=>{ constwin=newBrowserWindow({  width:800,  height:600 }) win.loadFile('index.html')}应用/窗口事件可以通过app.on(‘eventName’)注册监听,app是electron内置模块可通过import{app}from'electron’引入//所有窗口关闭发出app.on('window-all-closed',()=>{  })//当Electron完成初始化时发出一次app.on('ready',()=>{  })//当应用被激活时发出app.on('activate',()=>{})//在应用开始关闭其窗口之前发出app.on('before-quit',()=>{  })
  • 所需E币: 0
    时间: 2025-3-14 15:26
    大小: 2.84KB
    上传者: huangyasir1990
    一、什么是SpringAI?SpringAI是Spring生态中应用于人工智能领域的应用框架,它的目标是将Spring生态系统的设计原则(如可移植性、模块化设计)应用于AI领域,并在AI领域中推广使用POJO(PlainOldJavaObjects)作为应用的构建模块。二、SpringAI能做什么?支持目前主流大语言模型平台,例如OpenAI、Microsoft、Amazon、Google和Huggingface;支持阻塞与流式的文本对话;支持图像生成(当前仅限OpenAI的dall-e-*模型和SD);支持嵌入模型;支持LLM生成的内容转为POJO;支持主流的向量数据库或平台:AzureVectorSearch,Chroma,Milvus,Neo4j,PostgreSQL/PGVector,PineCone,Qdrant,Redis和Weaviate支持函数调用支持自动装配和启动器(与SpringBoot完美集成);提供用于数据处理工程的ETL框架;三、主要功能 跨AI供应商的便携式API:支持聊天、文生图、嵌入模型;支持同步和流式API选项;访问特定模型功能。●支持几乎所有的ai模型提供商:如如Anthropic、OpenAI、Microsoft、Amazon、Google和Ollama,包括国内的千帆、智谱AI等●结构化输出:将AI模型输出映射为POJO;●支持所有主要向量数据库。●功能调用(Tools/FunctionCalling):工具/功能调用-允许模型请求执行客户端工具和功能,从而根据需要访问必要的实时信息。●可观测●springboot自动装配●支持聊天对话记忆和检索增强生成(RAG)四、DeepSeek介绍DeepSeek是国内顶尖AI团队「深度求索」开发的多模态大模型,具备数学推理、代码生成等深度能力,堪称"AI界的六边形战士"。DeepSeek最新版本R1采用了“思维链”技术,能够展示完整的推理过程,使其在复杂推理任务上表现出色,甚至在某些方面可以与OpenAI的O1模型相媲美。DeepSeek身上的标签有很多,其中最具代表性的标签有以下两个:低成本(不挑硬件、开源、使用简单无需复杂提示词)。高性能(推理能力极强、回答准确)。五、接入的意义与优势将DeepSeek接入Spring应用,意味着开发者可以将强大的AI能力快速融入现有的Java项目中,而无需从头开始构建复杂的AI系统。这不仅提高了开发效率,还能为用户提供更智能的交互体验。DeepSeek可以作为推理型助手集成到SpringAI中,提升业务流程。尽管它不是智能体的首选,但它在推理和数据分析上的强大能力依然可以为您的系统增添显著价值。可以通过在SpringAI中接入DeepSeek的API,实现与DeepSeek的交互。例如,使用DeepSeekSDK的依赖,配置DeepSeek的API密钥和其他相关参数,创建服务类用于与DeepSeekAPI进行交互,以及创建控制器层处理HTTP请求并调用服务层的方法优势低成本:DeepSeek是开源且易用的,硬件要求宽松,无需繁琐的提示词配置。高性能:推理速度快、回答准确,适合各类高要求任务。无缝集成:通过SpringAI,DeepSeek可以无缝集成到Spring应用中,开发者可以利用熟悉的Spring生态进行开发。灵活性:支持多种配置方式,开发者可以根据自己的需求调整生成参数。受益人群开发者:能够快速将AI功能集成到现有项目中,提升开发效率。企业:可以利用DeepSeek的强大能力优化业务流程,提升用户体验。数据科学家:能够通过SpringAI的统一接口,快速验证和部署AI模型。六、具体接入方法添加依赖在pom.xml中添加SpringAI的spring-ai-openai模块依赖:xml复制<dependency>  <groupId>org.springframework.ai</groupId>  <artifactId>spring-ai-openai</artifactId>  <version>0.8.0</version></dependency>配置DeepSeekAPI在application.properties或application.yml中配置DeepSeek的API密钥和端点:spring: ai:  openai:   base-url:https://api.deepseek.com/v1   api-key:your-deepseek-api-key   chat.options:    model:deepseek-chat创建SpringAI客户端创建一个服务类,注入OpenAiClient并调用DeepSeek:importorg.springframework.ai.client.AiClient;importorg.springframework.beans.factory.annotation.Autowired;importorg.springframework.stereotype.Service; @ServicepublicclassDeepSeekService{  privatefinalAiClientaiClient;   @Autowired  publicDeepSeekService(AiClientaiClient){    this.aiClient=aiClient;  }   publicStringcallDeepSeek(Stringprompt){    returnaiClient.generate(prompt);  }}创建REST控制器创建一个控制器,用于接收用户输入并调用DeepSeek服务
  • 所需E币: 0
    时间: 2025-3-4 13:49
    大小: 3KB
    上传者: huangyasir1990
    一、什么是RAGRAG即“检索增强生成”(RetrievalAugmentedGeneration),这项技术通过将大量外部数据与基础模型相结合,显著增强了语言模型(LLM)的能力,使得AI的回应更加真实、个性化和可靠。RAG技术的核心在于结合了检索(Retrieval)和生成(Generation)两大核心技术。在处理复杂的查询和生成任务时,RAG首先通过检索模块从大量数据中找到与查询最相关的信息,然后生成模块会利用这些检索到的信息来构建回答或生成文本。自2020年提出以来,从最初的朴素RAG(NaiveRag),到高级RAG(AdvanceRag),再到模块化RAG(ModularRag),RAG系统不断优化和迭代,以解决实际应用中遇到的问题,如索引环节中的核心知识淹没问题、「检索环节中的用户意图理解不准确问题」,以及生成环节中的冗余信息干扰问题等二、GraphRAG框架的关键组件查询处理器(QueryProcessor):负责预处理用户定义的查询,使其能够与图数据源进行交互。检索器(Retriever):根据预处理后的查询从图数据源中检索相关内容。组织者(Organizer):对检索到的内容进行整理和优化,以提高生成器的性能。生成器(Generator):根据组织后的信息生成最终答案。三、企业大规模落地RAG核心问题经过了很长时间对RAG的研发,总结出了企业RAG落地的关键点,分别是效果、性能和成本。效果:今天很多企业并没有大规模的落地RAG,或者说是在一些关键场景上没有去使用RAG,是因为企业担心用了以后,会因为效果问题,影响他们核心场景的业务。所以效果问题是现在RAG落地最关键的因素。性能:在RAG链路里很多环节是需要使用大模型的,比如说向量化、文档解析,最后大模型的生成、大模型Agent等。这样整个链路多次调用大模型,会导致离线和在线性能都会有不同程度的下降。比如说像GraphRAG,一个30K的文档需要将近1个小时时间才能把数据处理好,这样的话很难在一个生产环境中去落地。成本:相对于其他的应用来说,RAG应用需要去多次调用大模型,而大模型背后就是GPU,但GPU资源是紧缺和昂贵的,这就不可避免的导致这类应用比其他应用的成本高很多,所以很多客户无法接受这个成本。四、RAG优化效果—数据提取和解析首先在效果层面,离线链路里第一个优化点就是文档解析。文档有很多格式,比如说PDF、Word、PPT,等等,还有一些结构化数据。然而最大的难点还是一些非结构化的文档,因为里面会有不同的内容。比如说像表格、图片,这些内容AI其实是很难理解的。在通过长期大量的优化以后,我们在搜索开放平台里面提供了文档解析服务,支持各种各样常见的文档格式和内容的解析。五、RAG优化效果—文本切片文档解析完,从文档里面能够正确的提取出内容后,接下来就可以进行文本切片。切片有很多种方法,最常见的有层次切分,把段落提取出来,对段落里面的内容再进行段落级的切片;还有多粒度切分,有时除了段落的切片,还可以增加单句的切片。这两种切片都是最常用的。另外对于一些场景,我们还可以进行基于大模型的语义切片,就是把文档的结构用大模型处理一遍,然后再提取一些更精细的文档结构。那么经过了多种切片以后,我们就可以继续进行向量化了。六、RAG评估纯检索指标精准率(Precision):衡量信号与噪音的比例——检索到的相关文档/所有检索到的文档。召回率(Recall):衡量完整性——检索到的相关文档/所有相关文档。我们认为召回率是检索领域的北极星指标。这是因为只有当我们有足够的信心,相信检索到的上下文完整到足以回答问题时,检索系统对于生成任务来说才是可接受的。F1分数:精确率和召回率的调和平均值。检索&重排指标平均倒数排名(MeanReciprocalRank,MRR):MRR计算的是最相关文档的倒数排名的平均值。如果正确答案的排名是高的(即排名接近第一位),则倒数值会大。MRR值的范围是0到1,值越高表示检索系统性能越好。平均精确率均值(MeanAveragePrecision,MAP):MAP首先计算每个查询的平均精确率,然后对所有查询的平均精确率进行平均。这里的“精确率”是指在每个排名阶段检索到的相关文档数量占到目前为止所有检索到的文档数量的比例。MAP考虑了所有相关文档,并且对检索结果的排序非常敏感,值越高,表示检索系统的排名性能越好。归一化折损累计增益(NormalizedDiscountedCumulativeGain,NDCG):NDCG倾向于赋予排在前面的相关文档更高的权重,是一种位置敏感的度量方法。NDCG先计算一个未经归一化的折扣累积增益(DiscountedCumulativeGain,DCG),然后用这个值除以一个理想状态(即最佳排名顺序)下的DCG,从而得到归一化的值。NDCG的值范围在0到1之间,越接近1表示检索性能越佳,特别是在前面几个结果的质量方面。
  • 所需E币: 0
    时间: 2025-2-27 17:11
    大小: 1.33MB
    内容概要:本文阐述了3D打印这一新型材料加工方法及其关键技术,以及如何运用飞纳品牌的扫描电子显微镜(SEM)进行有效的原材料检测和最终产品检验。文中提到SEM设备可用于分析样品的几何形状、化学组成及微观结构,特别是关于粉料大小的一致性和均匀程度。它还介绍了自动化颗粒统计工具(ParticleMetric),有助于提高工作效率并减少人为错误。此外,文中展示了烧结后的试样存在可能影响零件机械特性的缺陷检查流程,如孔洞、夹杂或其他形式的瑕疵,同时借助能谱仪(EDS),可以获得异常点元素映射图,以便于分析具体原因。最后提到了利用‘光镜-电镜’联用技术和大面积自动拼接功能来增强对复杂结构缺陷位置判定的效果。适合人群:对三维建模与实体构造技术感兴趣的学者和技术专家;从事材料科学研究的专业人士。使用场景及目标:本资料适合研究机构作为科研参考;工业界用来指导3D打印产品的生产工艺优化和技术革新;也可供相关专业的高校学生学习了解最前沿的检测手段和设备。其他说明:该文件介绍实际案例解析,使得理论联系实际,更易于读者理解和掌握。同时强调了精准的质量监控在整个制造环节里所起的关键作用
  • 所需E币: 5
    时间: 2024-11-2 18:14
    大小: 4.22MB
    上传者: 明星
    粉末成型技术、热等静压机成型方面的专业技术知识。
  • 所需E币: 0
    时间: 2024-11-4 21:32
    大小: 10.66MB
    基本半导体产品在125KW工商业PCS中的应用
  • 所需E币: 0
    时间: 2024-11-4 21:34
    大小: 7.07MB
    基本半导体产品在SiC逆变焊机中的应用
  • 所需E币: 0
    时间: 2024-9-1 16:49
    大小: 9.63MB
    基本半导体产品在SiC碳化硅逆变焊机中的应用
  • 所需E币: 5
    时间: 2024-8-22 20:36
    大小: 294.26KB
    上传者: anhuali678
    为了保持LDO输出电压的稳定,需要特定的电路对其控制,实现电压跟踪的各种应用
  • 所需E币: 1
    时间: 2024-7-11 21:06
    大小: 13.36MB
    上传者: milktea88
    第1章数据获取第2章传递函数第3章传感器特性第4章感知的物理原理第5章传感器的光学元件第6章接口电路第7章人体探测器第8章位置、位移和水平第9章速度和加速度传感器第10章力和应变传感器第11章压力传感器第12章流量传感器第13章声学传感器第14章湿度传感器第15章光探测器第16章电离辐射探测器第17章温度传感器第18章化学和生物传感器第19章传感器材料与技术
  • 所需E币: 0
    时间: 2024-7-13 14:00
    大小: 5MB
    上传者: weixianghui
    内容简介:本书根据(单片微型计算机原理、应用及接口技术)近10年教学实践的反馈信息,及单片机技术与产品的最新发展修订而成,既保持了原书的风貌,又以新型单片机和技术更换了一些陈旧内容,同时增加了目前比较流行和实用的较丰富的应用实例。本书介绍了单片机的硬件结构、工作原理、指令系统、汇编语言程序设计、接口技术、中断系统及单片机应用等内容。在各章中对关键性内容都结合实例予以说明,同时还安排了大量思考题和习题,以利于读者检查和巩固所学内容。
  • 所需E币: 0
    时间: 2024-5-24 17:08
    大小: 2.93KB
    一、PyQT的概念PyQt是一个创建PythonGUI应用程序的工具包,是Qt和Python结合的一个产物,可以说是为了将Qt的功能用于Python开发的一个Qt的Python包装器。它是Python编程语言和Qt库的成功融合。PyQt的整个程序开发框架,主要包括如下部分:图形界面编辑的工具:QtDesigner不同部分信息交换机制:信号和槽界面操作的事件及捕获机制一套控制界面显示和数据存储分离以及映射的机制:Model/View架构通过这些重要的工具和框架机制,开发人员可以设计对应的GUI图形化界面、定义不同部件的操作及响应、捕获部件或应用的消息以及实现界面显示组件和数据存储组件的联动,从而构造完整的应用程序框架。PyQt实现了一个Python模块集。它有超过300类,将近6000个函数和方法。它是一个多平台的工具包,可以运行在所有主要操作系统上,包括UNIX,Windows和Mac。PyQt采用双许可证,开发人员可以选择GPL和商业许可。在此之前,GPL的版本只能用在Unix上,从PyQt的版本4开始,GPL许可证可用于所有支持的平台。二、OpenCVOpenCV项目最初由Intel于1999年启动,当时的目标是提供一个免费的计算机视觉库,并开放其源代码,以促进计算机视觉研究的发展。随后,OpenCV在2000年发布了第一个公开版本,从那时起,OpenCV迅速成为了计算机视觉领域最受欢迎的库之一。后来,OpenCV的开发由WillowGarage公司继续,随后由Itseez公司接管,直到今天,OpenCV的开发由OpenCV开发团队维护。核心功能和模块:OpenCV库包含了众多的模块,每个模块都提供了不同的功能,以下是一些核心的模块:2.1核心功能模块(CoreModule)这个模块提供了基本的数据结构和功能,包括图像数据类型、矩阵操作、文件IO等。图像操作:读取和保存图像:可以使用imread()函数读取图像文件,使用imwrite()函数保存图像到文件。图像属性访问:可以通过Mat对象的属性访问功能获取图像的尺寸、通道数、数据类型等信息。像素操作:可以直接访问和修改图像的像素值,或者使用像素迭代器遍历图像。图像通道操作:可以将多通道图像拆分成单通道图像,或者将单通道图像合并成多通道图像。创建矩阵:可以使用Mat类的构造函数或create()函数创建矩阵。矩阵运算:支持常见的矩阵运算,如加法、减法、乘法等。矩阵转换:可以对矩阵进行转置、仿射变换、透视变换等操作。2.2图像处理模块(ImageProcessingModule)OpenCV的图像处理模块提供了各种图像处理算法,包括图像滤波、边缘检测、图像变换等。这些算法可以帮助用户对图像进行预处理、增强、分析和特征提取等操作。下面是图像处理模块中常用的功能和算法:图像滤波(ImageFiltering):平滑滤波(SmoothingFilters):如均值滤波、高斯滤波、中值滤波等,用于去除图像中的噪声。锐化滤波(SharpeningFilters):如拉普拉斯滤波器、Sobel滤波器等,用于增强图像的边缘和细节。图像变换(ImageTransformations):几何变换(GeometricTransformations):如平移、旋转、缩放、仿射变换等,用于调整图像的尺寸和位置。透视变换(PerspectiveTransformation):用于校正图像中的透视失真。边缘检测(EdgeDetection):Sobel算子:Sobel算子通常用于灰度图像的边缘检测,其基本思想是利用图像中像素灰度值的变化情况来识别边缘。Sobel算子在水平和垂直方向上分别定义了两个卷积核(通常为3x3的矩阵),用于计算图像中每个像素点的水平和垂直方向的梯度值。Canny边缘检测:首先,对输入图像进行高斯滤波,以减少图像中的噪声。高斯滤波可以平滑图像,并模糊图像中的细节,从而有助于检测到真实的边缘。在经过高斯滤波的图像上,利用Sobel算子或其他梯度算子计算图像的梯度幅值和梯度方向。梯度方向可以帮助确定边缘的方向。对图像中的梯度幅值进行非极大值抑制,保留局部梯度幅值最大的像素点,以使得边缘变得更细化。利用双阈值检测策略对梯度幅值进行阈值处理,将图像中的像素点分为强边缘、弱边缘和非边缘三类。通常设置两个阈值,一个是高阈值(highthreshold),用于确定强边缘像素;另一个是低阈值(lowthreshold),用于确定弱边缘像素。通过连接强边缘像素,利用弱边缘像素进行边缘跟踪,得到完整的边缘。三、人工智能应用人工智能在生活中的应用有:1、虚拟个人助理,使用者可通过声控、文字输入的方式,来完成一些日常生活的小事;2、语音评测,利用云计算技术,将自动口语评测服务放在云端,并开放api接口供客户远程使用;3、无人汽车,主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶的目标;4、天气预测,通过手机gprs系统,定位到用户所处的位置,在利用算法,对覆盖全国的雷达图进行数据分析并预测。
  • 所需E币: 0
    时间: 2024-5-25 17:37
    大小: 2.62KB
    2024全新Langchain大模型AI应用与多智能体实战开发一、Langchain是什么LangChain是一个新一代的AI开发框架,旨在释放大语言模型的潜能,为开发者提供便捷的开发工具和接口。LangChain是一个帮助在应用程序中使用大型语言模型(LLM)的编程框架。与生成式AI中的所有东西一样,这个项目的发展也非常迅速。2022年10月,它先是作为一款Python工具,然后在今年2月增加了对TypeScript的支持。到今年4月,它支持多种JavaScript环境,包括Node.js、浏览器、CloudflareWorkers、Vercel/Next.js、Deno和SupabaseEdgeFunctions。二、什么是智能体?LLM智能体的定义非常宽泛:它们指的是所有将LLMs作为核心引擎,并能够根据观察对其环境施加影响的系统。这些系统能够通过多次迭代“感知⇒思考⇒行动”的循环来实现既定任务,并常常融入规划或知识管理系统以提升其表现效能。你可以在Xietal.,2023的研究中找到对智能体领域综述的精彩评述。 三、深入6大组件LangChain中的具体组件包括:模型(Models),包含各大语言模型的LangChain接口和调用细节,以及输出解析机制。提示模板(Prompts),使提示工程流线化,进一步激发大语言模型的潜力。数据检索(Indexes),构建并操作文档的方法,接受用户的查询并返回最相关的文档,轻松搭建本地知识库。记忆(Memory),通过短时记忆和长时记忆,在对话过程中存储和检索数据,让ChatBot记住你是谁。链(Chains),是LangChain中的核心机制,以特定方式封装各种功能,并通过一系列的组合,自动而灵活地完成常见用例。代理(Agents),是另一个LangChain中的核心机制,通过“代理”让大模型自主调用外部工具和内部工具,使强大的“智能化”自主Agent成为可能!你的App将产生自驱力!总体来讲,LangChain是AI智能时代基于LLM大模型的开发框架。第一、它是上下文相关的,为LLM应用程序开发的整体生命周期提供全流程的框架支持。第二、使用LLM大模型的推理能力为LangChain开发的LLM应用程序提供规划能力(Planning)。第三、LangChain围绕开发LLM应用程序的整体流程提供ModelI/O(Prompt输入、Embedding向量化、LLM大模型适配以及大模型回答适配等)、Retriieval(数据源加载、转换、向量化、存入向量数据库、检索以及向量相识度计算等)、Chains(用于完成特定更高级别任务的组件组装)、Memory(短期记忆、长期记忆)、Agents(LLMAPP)、Callbacks(提供向外部回调的功能)。LangChain是一个旨在帮助您轻松构建大语言模型应用的框架,它提供如下功能:为各种不同基础模型提供统一接口(参见Models)帮助管理提示的框架(参见Prompts)一套中心化接口,用于处理长期记忆(参见Memory)、外部数据(参见Indexes)、其他LLM(参见Chains)以及LLM无法处理的任务的其他代理(例如,计算或搜索)。因为LangChain有很多不同的功能,所以一开始可能很难理解它的作用。因此我将在本文中介绍LangChain的(当前)六个关键模块,以便您更好地了解其功能。四、LangChain在不同领域的应用案例金融行业:LangChain应用系统可以应用于金融领域,帮助银行和金融机构进行智能客服、风险管理、舆情监控等工作,提升金融服务的质量和效率。医疗健康:在医疗健康领域,LangChain可以用于患者健康管理、医疗咨询、疾病诊断等方面,为医疗机构和患者提供更好的医疗服务。教育培训:LangChain应用系统可以用于教育培训行业,支持在线教育、智能学习系统、智能答题系统等应用,提升教育教学的效果和效率。零售行业:在零售行业,LangChain可以应用于智能客服、商品推荐、用户评论分析等方面,帮助零售企业提升销售额和客户满意度。LangChain应用系统的出现,为各行各业带来了新的发展机遇和挑战。随着人工智能技术的不断进步和应用场景的不断拓展,我们有理由相信,LangChain将会在未来发挥越来越重要的作用,为社会进步和发展做出更大的贡献。
  • 所需E币: 0
    时间: 2024-5-22 18:41
    大小: 321.86KB
    上传者: 谷景电子电感
    12、谷景揭秘如何解决工字型功率电感的应用不良情况
  • 所需E币: 0
    时间: 2024-5-21 11:04
    大小: 2.9KB
    上传者: 开心就很好了
    一、nextjs基本介绍Next.js是一个基于React的轻量级框架,用于构建React应用程序。它在React的基础上提供了一些增强功能,包括服务器渲染(SSR)、静态生成(SSG)、路由等。Next.js的目标是简化React应用程序的开发流程,并提供更好的性能和开发体验。Nextjs是一个使用react作为前端框架底层的支持SSR(请求时渲染)、SSG(构建时渲染)等技术的全栈框架,在2022年的服务端框架中排名第一。它的优点非常明显,既支持react的虚拟dom形式快捷完成开发,又支持访问即可看到完整内容,友好的SEO/浏览器直出形式。结合了静态分离和服务器渲染的双重优势。同时在服务端也非常容易做缓存相关的处理,甚至是做一些中间件的开发,简直是前端开发的神兵利器。当前缺点也有一些,包括跳转的时候会重复下载内容,开发的时候需要一些服务端开发能力,甚至是部署的时候没点本事都部署不明白。以上这些都是Nextjs的内容,作为一个合格的开发者,研究未来趋势的开发能力,使用更有成长潜力的技术,都是我辈需要实践的真理。二、RedwoodJS和NextJS的相似之处这两个框架的设计都使开发人员能够轻松创建快速、安全和可扩展的web应用程序。这两个框架都使用ReactJS库来构建用户界面(UI)。这意味着熟悉ReactJS库的开发人员会发现使用这两种框架中的任何一种构建应用程序都很容易。这两个框架都支持服务器端渲染,允许开发人员在服务器而不是浏览器上渲染网页,从而提高web应用程序的性能。此外,RedwoodJS和NextJS支持自动代码分割,允许开发人员将他们的web应用程序分割成更小的块,可以根据需要加载。三、Next.js主要解决了以下问题:SEO和首屏加载性能:传统的客户端渲染的React应用可能不利于搜索引擎爬虫的抓取,且首次加载时间较长。Next.js提供服务端渲染作为默认行为,这意味着页面在服务器上被渲染为HTML,然后发送给客户端。这样做可以显著提升首屏加载速度,并对搜索引擎优化友好。开发效率:在使用React开发大型应用时,开发者通常需要配置路由、代码拆分、构建优化等。Next.js通过约定大于配置的方式,减少了这些常见任务的手动设置,提供了简易的文件系统路由、自动的代码拆分和热加载,提高了开发效率。构建和部署:Next.js提供现成的构建系统和对持续集成的优化,使得将应用从开发阶段迁移到生产变得简单。此外,与Vercel平台的无缝集成也让部署变得异常轻松。灵活的数据获取策略:Next.js提供了灵活的数据获取方法,如getStaticProps和getServerSideProps,使得开发者可以根据页面的需求选择不同的数据预渲染策略,例如静态生成或服务器端渲染。无需额外设置的TypeScript支持:Next.js从一开始就考虑了对TypeScript的支持,让开发者能够享受到强类型语言带来的好处,而无需复杂的配置。API路由:Next.js允许开发者在同一个项目中构建前端页面和API接口,简化了全栈应用的开发过程。生态系统和社区支持:Next.js随着时间的推移建立起了一个健康的插件生态系统,并且得到了强大的社区支持,这为开发者提供了各种资源和第三方库的集成。总之,Next.js的出现是为了简化和优化基于React的应用开发流程,同时提供了高性能和SEO友好的解决方案,它代表了当代Web应用开发的一个重要趋势。四、主要功能:路由:基于文件系统的路由器构建在服务器组件之上,支持布局、嵌套路由、加载状态、错误处理等。渲染:使用客户端和服务器组件进行客户端和服务器端渲染。使用Next.js在服务器上进一步优化静态和动态渲染。在Edge和Node.js运行时上进行流式传输。数据获取:通过服务器组件中的async/await简化数据获取,以及用于请求记忆、数据缓存和重新验证的扩展获取API。样式:支持您首选的样式方法,包括CSS模块、TailwindCSS和CSS-in-JS优化:图像、字体和脚本优化,以改善应用程序的核心网络生命和用户体验。TypeScript:改进了对TypeScript的支持,具有更好的类型检查和更高效的编译,以及自定义TypeScript插件和类型检查器。五、Next.js可以带给我们什么?Next.js是一个Reactweb应用框架,这是官方对自己的定义,然后它主要做的事情有以下几点:1、完善的工程化机制2、良好的开发和构建性能3、智能文件路由系统4、多种渲染模式来保证页面性能体验5、可扩展配置6、提供其他多方面性能优化方案7、提供性能数据,让开发者更好的分析性能。8、提供的其他常用功能或者扩展,比如使用mdx来编写页面的功能等等
  • 所需E币: 1
    时间: 2024-4-23 19:47
    大小: 626.76KB
    上传者: 张红川
    30种D型触发器(延时电路)应用电路图.docx
  • 所需E币: 1
    时间: 2024-4-23 20:01
    大小: 299.56KB
    上传者: 张红川
    图说运放:不谈原理,只谈应用(收藏).docx
  • 所需E币: 0
    时间: 2024-5-13 13:48
    大小: 2.29KB
    AIAgent的定义与特点AIAgent是指能够自主地感知环境、进行决策、执行动作,并与环境进行交互的智能体。AIAgent通常具有以下特点:自主性:AIAgent能够独立地进行感知、决策和行动,无需人工干预。目标导向:AIAgent的行为是目标驱动的,其目标可以是完成特定任务、优化特定指标或学习新的知识。适应性:AIAgent能够根据环境的变化调整自己的行为,以适应不同的情况。学习能力:AIAgent能够通过与环境的交互学习新的知识和技能,并不断改进自己的行为。AIAgent在各个领域都有广泛的应用,以下是其中一些应用案例:1.医疗保健:AlAgent可以帮助医生诊断疾病、分析病理切片和制定治疗方案。此外,它们还可以协助护士进行病人监护和记录病历,提高医疗保健的效率和质量。2.金融服务:AlAgent可以帮助银行和保险公司进行风险评估、信用评级和欺诈检测。它们还可以为客户提供个性化的金融咨询服务,提高客户满意度和忠诚度。3.制造业:AlAgent可以帮助工厂自动化生产线进行实时监控、故障诊断和预测性维护。它们还可以协助工程师进行设计和优化生产流程,提高生产效率和产品质量。4.智慧交通:AlAgent可以帮助交通管理部门优化交通流量、降低拥堵和提高交通安全。它们还可以协助驾驶员进行自动驾驶和辅助驾驶,提高道路交通安全性和行车效率。代表性模型:简单反射智能体:行为直接由当前感知决定。具有内部状态的智能体:基于观察历史和当前的感知来决定行动。目标导向智能体:行动旨在实现定义明确的目标。效用基础智能体:评估可能行动的效用,并选择效用最大的行动。分类智能体按照其复杂性和功能可以被分类为:基于规则的智能体:遵循预定义的规则做出反应。学习型智能体:能够从数据中学习并优化其行为。自主智能体:具备一定程度的自我决策能力,能够在没有人类干预的情况下操作。一个精简的Agent决策流程,用函数表达式:Agent:P(感知)—>P(规划)—>A(行动)类似人类「做事情」的过程,Agent的核心功能,可以归纳为三个步骤的循环:感知(Perception)、规划(Planning)和行动(Action)。感知(Perception)是指Agent从环境中收集信息并从中提取相关知识的能力,规划(Planning)是指Agent为了某一目标而作出的决策过程,行动(Action)是指基于环境和规划做出的动作。其中,Policy是Agent做出Action的核心决策,而行动又通过观察(Observation)成为进一步Perception的前提和基础,形成自主地闭环学习过程。这一过程就像马克思主义的「实践论」:“认识从实践开始,经过实践得到了理论的认识,再回到实践中去。”Agent也在知行合一中进化。AgentAI智能体如何实现超进化呢?其实主要是通过机器学习和深度学习等技术实现自我优化和知识积累主要有以下几个方面:一、数据收集与预处理大量数据:智能体需要获取丰富的数据,包括各种场景下的信息。数据清洗:对数据进行清理和预处理,确保数据的质量和准确性。二、模型训练机器学习算法:利用各种机器学习算法,如监督学习、无监督学习等,对数据进行训练。深度学习网络:构建深度神经网络,如卷积神经网络、循环神经网络等,来学习数据中的模式和规律。三、自我优化参数调整:根据训练结果,不断调整模型的参数,以提高性能。超参数优化:通过试验和调整超参数,找到最优的模型配置。
  • 所需E币: 5
    时间: 2024-3-12 10:48
    大小: 2.37MB
    上传者: htwdb
    由于船用机械设备各项功能的发展进步,船用机械设备的智能性、自动化程度、精密度较之前有较大的提升,随着诊断方法和设备的进步,早期的一些信号监测处理方法已不能满足现代设备要快而准的识别故障类型的需求。为了人们能提早发现船舶设备发生的故障及原因,及时修复,减少船舶灾难事件,需要对船舶设备运行状况进行实时监测。因此针对故障诊断方法研究和创新以及软件开发,从而实际应用于船舶设备,及时对其监测和诊断是必要的。  机械故障诊断技术经40多年的发展在取得进步的同时仍存在许多亟待解决的问题,如智能诊断系统薄弱,故障诊断方法有限等。本文首先介绍了故障诊断的发展背景,对现有船用设备机械系统中信号处理方法的国内外研究现状及存在的不足进行了说明,详细介绍了在故障诊断中的基本信号分析方法。着重研究了自适应滤波方法,在其基础上推导维纳滤波方法,提出其在C#语言中的实现方法,利用维纳法在软件中对获得的振动信号进行消噪方面的处理。其次,比较VisualStudio(简称VS)与Labview基于本项目的功能效果,表明VS的优越性,并使用C#语言开发在.NET4.0框架下,VisualStudio(下文简称VS)环境运行的振动信号采集和分析窗体软件,将数据处理的方法和界面操作功能进行分模块编程,文中按照系统建模分类对软件进行介绍,模块分为:数据采集、信号分析、数据存储和参数设置等,使系统的数据分析能力提高。接下来,按照软件包含的信号处理方法介绍软件操作流程,采用的处理方法有:离散傅立叶变换、小波变换、魏格纳分布等,使用仿真信号验证软件可靠性的基础上,到船舶上现场试验采集数据进行实验分析,验证结果表明监测系统能够准确获取目标信号、判断设备故障功能。最后总结全文,讨论了该方法实现过程的不足及软件今后的发展方向