MMLU-Pro基准测试数据集上线,含 12k 个跨学科复杂问题,难度提升,更具挑战性!DeepSeek 数学模型一键部署...

MMLU - Pro语言理解测试 MMLU - Pro是一个更加严谨和具有挑战性的语言理解测试,是新型的大规模多任务理解基准测试。​背景与目的​:随着AI的快速发展,之前的测试如MMLU逐渐难以准确区分不同AI模型的能力差异。MMLU - Pro应运而生,其目的在于更准确地衡量AI模型在语言理解以及跨不同领域推理方面的能力。例如,传统的测试可能由于模型对其的过度“熟悉”,导致分数无法真实体现模型的能力,此时MMLU - Pro可弥补这一缺陷,以在新的性能衡量标准下推动AI研究与发展。​构成要素与工作原理​:​问题构建。 阅读详情

在大语言模型 (LLM) 蓬勃发展的时代,诸如大规模多任务语言理解 (MMLU) 之类的基准测试,在推动 AI 于不同领域的语言理解与推理能力迈向极限方面,发挥着至关重要的关键作用。

然而,伴随模型的持续改进与优化,LLM 在这些基准测试中的表现已经逐步趋于稳定,这使得区分不同模型能力的差异变得越来越困难。

为了更好地评估 LLM 的能力,滑铁卢大学、多伦多大学和卡内基梅隆大学的研究人员联合发布了 MMLU-Pro 数据集,整合了来自多个来源的问题,包括原始MMLU数据集、STEM网站、TheoremQA 和 SciBench 等。该数据集现已在 hyper.ai 提供下载,下拉文章获取链接~

9 月 9 日-9 月 14 日,hyper.ai 官网更新速览:

* 优质公共数据集:10 个

* 优质教程精选:3 个

* 社区文章精选:4 篇

* 热门百科词条:5 条

* 9 月截稿顶会:3 个

访问官网:hyper.ai

69911b1323e984b6fb4b06193e6e553d.png 给大家推荐一个线上学术分享活动,上海交通大学博士后周子宜将以「蛋白质语言模型的小样本学习方法」为题,带来干货分享,点击即可预约观看 ⬇️

公共数据集精选

1. MMLU-Pro 大规模多任务理解数据集

MMLU-Pro 数据集是一个更强大且更具挑战性的大规模多任务理解数据集,旨在更严格地对大型语言模型的功能进行基准测试。该数据集包含 12K 个跨学科的复杂问题。

直接使用:https://go.hyper.ai/PwJDW

2. DeepGlobe18 道路提取数据集

道路挑战赛的训练数据包含 6,226 张 RGB 卫星图像,尺寸为 1024×1024。图像分辨率为 50 厘米像素,由 DigitalGlobe 的卫星收集。


直接使用:https://go.hyper.ai/VIg0J

3. OpenForensics 人脸伪造检测数据集

该数据集由 115K 张野外图像和 334K 张人脸组成,所有图像都有丰富的面部注释,包括伪造类别、边界框、分割掩码、伪造边界和一般面部地标,包含各种背景和多个不同年龄、性别、姿势、位置和面部遮挡的人。

直接使用:https://go.hyper.ai/jTTRz

4. DeepfakeTIMIT 深度伪造检测数据集

该数据集包含了使用开源的基于生成对抗网络 (GAN) 的方法交换面孔的视频。这些视频基于原始的自动编码器基础的 Deepfake 算法创建。

直接使用:https://go.hyper.ai/me1TI

5. SESYD 合成文档数据库

该数据集包含了具有基准真实信息的文档图像,由 11 个集合组成,包含 284k 图像、190k 符号和 284k 字符,主要针对文档图像分析领域的 2 个主要研究问题:(1) 在线绘图图像(如平面图和电路图)中的象征识别和定位;(2) 地理地图中字符的分割和识别。

直接使用:https://go.hyper.ai/ZqRTQ

6. LAV-DF 多模态 DeepFake 音频视觉数据集

LAV-DF 是一个多模态(视频篡改和音频篡改)数据集,源自 VoxCeleb2 数据集,包含 136,304 段视频,其中 36,431 段真实视频,99,873 段伪造视频。

直接使用:https://go.hyper.ai/ujock

7. Vibrent Clothes Rental Dataset 服装租赁数据集

该数据集包含 64k 笔交易、2.2k 名匿名用户的租赁历史记录和 15.8k 套独特的服装,其中每件实物的属性和租赁历史都有细致的信息记录。所有服装都列为单件商品或其相应的商品组,指的是单件商品之间的共享设计,每件服装都附有一组描述其某些属性的标签。

直接使用:https://go.hyper.ai/PFlKA

8. FFIW10K 人脸伪造数据集

该数据包括从 Youtube 收集的 10k 个高质量伪造视频,平均每帧有三个人脸,每个视频都包含真实人脸和伪造人脸,更加接近现实复杂场景。操纵过程是全自动的,由领域对抗质量评估网络控制,使数据集具有高度可扩展性和低人力成本。

直接使用:https://go.hyper.ai/AHS7y

9. ForgeryNet 人脸伪造数据集

该数据集包含了 290 万张图像和 221,247 个视频,涵盖了来自全球的 7 种图像层面和 8 种视频层面的伪造操作方法。这个数据集为研究者提供了丰富的资源,以支持图像和视频层面的 4 种任务:图像伪造分类、空间伪造定位、视频伪造分类和时间伪造定位。

直接使用:https://go.hyper.ai/Yx0mj

10. EEG Eve State Dataset 眼部状态脑电图数据集

该数据集包含了 EEG 测量的实例,其输出是眼睛是睁开还是闭合的状态。数据集中的值按时间顺序排列,其中 0 表示眼睛睁开状态,1 表示眼睛闭合状态。数据集包含 14 个 EEG 测量值,分别标记为 AF3, F7, F3, FC5, T7, P, O1, O2, P8, T8, FC6, F4, F8, AF4 。

直接使用:https://go.hyper.ai/RTBDy

更多公共数据集,请访问:

https://hyper.ai/datasets

公共教程精选

1. 一键部署 DeepSeek-Prover-V1.5

该模型是 DeepSeek 于 2024 年开源的数学定理证明模型,研究团队在 Lean 4 中引入了该模型,模型通过自我迭代和 Lean 证明器监督,构建了一个「围棋」式的学习环境。该教程是对模型进行一键部署Demo 的分步使用。

直接使用:https://go.hyper.ai/MevMB

2. LLaVA OneVision 多模态全能视觉模型 Demo

该模型能够处理图像、文本、图像文本交错输入和视频,是首个能够同时突破开放多模态模型在这三个重要计算机视觉场景性能瓶颈的单模型。进入官网克隆并启动容器,直接复制 API 地址,即可对模型进行推理体验。

直接使用:https://go.hyper.ai/Dcg74

3. 在线教程|大人,文生图的时代又变了!SD 核心成员自立门户,首个模型 FLUX.1 硬刚 SD 3 和 Midjourney

文生图模型的竞争愈发激烈!前 Stable Diffusion 核心成员自立门户,发布了文生图模型 FLUX,从商业用途到开源个人使用,全面覆盖。生成效果非常接近真人实拍,人物细节表现十分逼真。目前 hyper.ai 已上线「FLUX ComfyUI(含黑神话悟空 LoRA 训练版)」,点击以下链接即可根据教程部署。

直接使用:https://go.hyper.ai/trQhv

💡我们还建立了 Stable Diffusion 教程交流群,欢迎小伙伴们扫码备注【SD教程】,入群探讨各类技术问题、分享应用效果~

e48336f1184e3e16d78879137c05a587.jpeg

社区文章精选

1. 数据集汇总|DeepFake 乱象丛生,用魔法打败魔法!高质量数据集助力伪造监测技术发展

对于人脸识别、DeepFake 乱象,亟需升级人脸识别和伪造检测技术,以精确判断被篡改的图像和视频。HyperAI超神经为大家汇总了常用的 11 个人脸识别、DeepFake 数据集,点击一键下载。

查看完整汇总:https://go.hyper.ai/EMKo2

2. Apple Intelligence 深夜炸场!苹果发布 4 颗自研芯片,iPhone/iWatch/AirPods 大升级

在 9 月 10 日的秋季新品发布会上,苹果推出 iPhone 16、AirPods 4、Apple Watch Series 10 等新品,基于自研芯片,在性能上实现了重大飞跃,同时全面融入 Apple Intelligence,为用户带来前所未有的智能体验。本文是对 Apple 秋季新品发布会的全面报道。

查看完整报道:https://go.hyper.ai/H7P8X

3. 灵敏度提高 56%,港中文/复旦/耶鲁等联袂提出全新蛋白质同源物检测方法

在对蛋白质的识别过程中,蛋白质序列的同源性鉴定是其中一项至关重要的任务。为解决蛋白质远同源性研究的痛点,基于蛋白质语言模型和密集检索技术,香港中文大学李煜,联合复旦大学智能复杂体系实验室、上海人工智能实验室青年研究员孙思琦、耶鲁大学 Mark Gerstein 提出了一种超快速、高灵敏度的同源物检测框架——密集同源物检索器。本文是对研究论文的详细解读与分享。

查看完整报道:https://go.hyper.ai/vLAej

4. 基于 2,500 平方公里实景数据,北师大团队提出 StarFusion 模型,实现高空间分辨率图像预测

北京师范大学地表过程与资源生态国家重点实验室陈晋团队,提出了一种双流时空解耦融合架构模型 StarFusion,该模型能够克服大多数现有深度学习算法需要 HSR 时间序列图像进行训练的问题,充分实现高空间分辨率图像的预测。本文是对研究论文的详细解读与分享。

查看完整报道:https://go.hyper.ai/7LmzA

热门百科词条精选

1. Sigmoid 函数

2. 配对 t 检验 Paired t-Test

3. 对比学习 Contrastive Learning

4. 半监督学习 Semi-Supervised Learning

5. 数据增强 Data Augmentation

这里汇编了数百条 AI 相关词条,让你在这里读懂「人工智能」:

https://go.hyper.ai/wiki

9 月截稿顶会

9 月 18 日

14:59:59

FAST 2025

9 月 19 日

19:59:59

IEEE VR 2025

9 月 20 日

11:59:59

NSDI 2025

一站式追踪人工智能学术顶会:https://go.hyper.ai/event

d02ce4fc04925138d8c6dde52e440ffa.gif

以上就是本周编辑精选的全部内容,如果你有想要收录 hyper.ai 官方网站的资源,也欢迎留言或投稿告诉我们哦!

下周再见!

关于 HyperAI超神经 (hyper.ai)

HyperAI超神经 (hyper.ai) 是国内领先的人工智能及高性能计算社区,致力于成为国内数据科学领域的基础设施,为国内开发者提供丰富、优质的公共资源,截至目前已经:

* 为 1300+ 公开数据集提供国内加速下载节点

* 收录 400+ 经典及流行在线教程

* 解读 100+ AI4Science 论文案例

* 支持 500+ 相关词条查询

* 托管国内首个完整的 Apache TVM 中文文档

访问官网开启学习之旅:

https://hyper.ai/

最后推荐一个「创作者激励计划」,感兴趣的小伙伴扫码即可参与!

dd54ef900fd78a2e81d7e056b8e40b4c.png

 往期推荐 

96bbe22e762108db2ff374847ade2f83.png

3cf1b6d6074b5c6c78681e66baa768bf.png

a459d5f654833bce5947c2ca517e2d43.png29b0e8573f952602ef538c2c8dffafb7.gif

MMLU Pro数据集 MMLU-Pro是一个增强型基准测试数据集,旨在评估语言理解模型在更广泛和更具挑战性的任务中的表现。它整合了来自多个来源的问题,包括原始 MMLU 数据集、STEM 网站、TheoremQA 和 SciBench 等,包含 12K 个跨学科的复杂问题。在大语言模型蓬勃发展的时代,MMLU-Pro 在推动 AI 于不同领域的语言理解与推理能力迈向极限方面发挥着重要作用。然而,其也面临一些争议。 阅读详情

相关推荐

CFPRF:一种用于音频时间伪造检测和定位的框架

本文引入了一种新颖的两阶段框架,称为粗到细的提议细化框架(CFPRF),用于音频时间伪造检测和定位(TFDL)。与现有的音频PFD方法不同,作者利用第一阶段的帧级检测网络(FDN)来学习鲁棒的表示,以更好地指示大致的伪造区域,并在第二阶段使用提议细化网络(PRN)来产生细粒度的提议。

声纹感知 洞察芯声 1990

MMLU-Pro 基准测试数据集上线,含 12k 个跨学科复杂问题,难度提升,更具挑战性!DeepSeek 数学模型一键部署

Weekly Highlights!

HyperAI超神经 1927

活体检测开源推荐

这个有权重,待测试: https://github.com/ningyu1991/GANFingerprints face-antispoofing 这个效果可以,米有权重: https://github.com/SoftwareGift/Face-Anti-spoofing-for-RGB 2017年:基于Google Lens的移动端活体检测实现 https://www.ji...

jacke121的专栏 4460

大模型新基准MMLU-Pro翻车了~

到这里,好像一切都还好,突然今天在github上一个issue炸雷了~ 老哥发现,仓库评测脚本,不同使用的采样参数,system prompt,后处理的方式区别都很大。最初的 MMLU 更多的是知识和推理测试,虽然它有数学相关的评测,但其设计原则是无需 CoT 即可完成大部分工作。尽管MMLU-Pro测试可能不是评估模型在特定领域效能的最佳方式,但它仍然比以前的困惑度测试或主观偏好评价要好得多。,这对大多数人来说,进行 12,000 步 CoT 是令人望而却步的,尤其是对于较大的模型。

具身机器人和通用AI 2683

【AV-Deepfake1M】AV-Deepfake1M: A Large-Scale LLM-Driven Audio-Visual Deepfake Dataset

使用Whisper进行语音识别花费了约600 GPU小时[48],训练VITS花费了约2100 GPU小时[33](721个VITS模型中的每个模型都需要约3小时),数据生成花费了约300 GPU小时。先前数据集[6,31]使用的SV2TTS[27]等零镜头语音克隆方法信噪比低,导致低质量的音频操作,容易被BA-TFD[4]和UMMAFormer[75]定位。对来自Voxceleb2[14]数据集的真实视频子集进行预处理,使用FFmpeg[58]提取音频,然后使用基于whisper[48]的真实文本生成。

人生不是轨道,是旷野。希望每天都有好心情。 758

大语言模型性能评测:MMLU-Pro计算机科学基准测试解析

大语言模型(LLM)作为当前AI领域的重要技术,其性能评测对开发者选型至关重要。MMLU-Pro基准测试通过增加选项数量和题目复杂度,有效降低了随机猜测概率,更准确评估模型的推理能力。在计算机科学领域,测试结果显示不同模型在准确率、处理速度和显存效率等方面存在显著差异。例如,Phi-4的GGUF量化版本在保持67.8%准确率的同时,显存占用减少20%,而Qwen2 VL 72B Instruct虽得分62.2%,但其多模态特性在特定场景下仍有价值。这些测试数据为开发者在模型选择、量化策略和硬件配置等方面提供

weixin_26899879的博客 314

ICCV2021 人脸深伪分析挑战赛 重磅来袭

1导读为了更好地促进人脸深伪检测社区的发展,北航、新加坡南洋理工大学等机构构建了一个目前维度最大最丰富的公开数据集和评测基准。借助于ICCV2021顶会平台,具体数据集介绍请参见以下:ht...

我爱计算机视觉 878

forgery:Forgery是一个最小且灵活的Go Web应用程序框架,为构建单页和多页Web应用程序提供了一组强大的功能。

伪造 稳定版本1.0 :此处版本 Forgery是一个最小且灵活的golang Web应用程序框架,为构建单页和多页Web应用程序提供了一组强大的功能。 package main import( "github.com/ricallinson/forgery" ) func init() { app := f.CreateServer() app.Get("/", func(req *f.Request, res *f.Response, next func()) { res.Send("Hello world.") }) app.Listen(3000) } 建立在 强大的路由(几乎在那里) HTTP帮助程序(重定向,缓存等) 查看系统支持1个模板引擎(希望还会有更多) 内容协商 专注于高性能 基于环境的配置 高测试覆盖

51c大模型~合集111

OpenAI 的某发言人表示:「为了提高清晰度和安全性,我们增加了一个额外的后处理步骤,其中模型会审查原始的思维链,删除任何不安全的内容,然后简化某些复杂的思维。可以看到,虽然 ChatGPT 确实完成了任务并展示了总结版的思维链,但似乎并未如 OpenAI 发言人说的那样给出与提示词语言同样语言的总结版。北大-灵初联合实验室表示,Align-DS-V的多模态强推理能力是VLA模型大脑端的核心,接下来的研究训练计划,是利用多模态推理模型的跨模态穿透能力,实现action穿透,最终实现真正高效的VLA模型。

whaosoft~aiotの开发板商城 2320

forgerylocCNN-py:基于多尺度卷积神经网络的图像伪造定位测试脚本

伪造CNN-py 基于多尺度卷积神经网络的图像伪造定位测试脚本。 基于多尺度卷积神经网络的图像伪造定位: : id

【塑料加工工程】气体辅助注塑成型工艺技术:厚壁件中空减重与缩痕控制的系统性解决方案

内容概要:本文系统阐述了气体辅助注塑成型(GAIM)在厚壁塑料制品中实现中空减重与缩痕控制的核心技术原理与工程应用方案。针对传统注塑中因保压压力衰减、浇口冻结导致的缩痕、缩孔、内应力、超重及高锁模力等耦合缺陷,GAIM通过“短射+注气”方式,在熔体芯部形成连续中空气道,利用高压氮气实现内部等压补缩,从根本上重构了压力传递路径。文章深入剖析了短射率、延迟时间、分段气压、氮气纯度等关键参数的作用机制,提出了涵盖模具设计(气针布局、气道拓扑、溢料井)、CAE仿真前置、质量评价体系(CT检测、壁厚均匀性、缩痕等级)及量产管控(SPC、缺陷诊断矩阵)的全流程解决方案。; 适合人群:从事注塑工艺开发、模具设计、高分子材料成型及相关制造领域的工程师与技术人员,尤其适用于具备一定注塑基础、致力于解决厚壁件成型难题的研发人员。; 使用场景及目标:①解决厚壁注塑件的缩痕、缩孔与残余应力问题;②实现产品轻量化设计并降低锁模力与生产周期;③指导GAIM工艺调试、模具开发与缺陷排查,提升量产稳定性与经济效益;④为新材料、新结构的工艺可行性评估提供理论依据。; 阅读建议:此资源强调理论与实践结合,建议读者在掌握聚合物流变学与传热学基础知识的前提下,结合实际案例对照参数窗口与缺陷诊断矩阵进行学习,并重视CAE仿真与首件CT检测在工艺开发中的前置作用,避免仅凭经验调机。

DeepSeek-V4-Pro-DSpark vs 主流大模型:MMLU-Pro 87.5分背后的技术解析

DeepSeek-V4-Pro-DSpark作为一款高性能AI模型,在MMLU-Pro评测中取得了87.5分的优异成绩,展现出强大的综合能力。本文将深入解析其技术优势,对比主流大模型的核心差异,为您揭示高分背后的关键技术。 ## MMLU-Pro 87.5分:行业领先的评测表现 MMLU-Pro作为衡量模型综合能力的重要基准,涵盖了多个学科领域的知识测试。DeepSeek-V4-Pro-DSp

gitblog_00050的博客 389

【DBO三维路径规划】基于多策略改进的蜣螂算法MSDBO多无人机协同集群避障路径规划(目标函数:最低成本:路径、高度、威胁、转角)研究(Matlab代码实现)

内容概要:本文研究基于多策略改进的蜣螂优化算法(MSDBO)在多无人机协同三维避障路径规划中的应用,旨在实现最低成本的飞行路径。目标函数综合考虑路径长度、飞行高度、环境威胁和转弯角度等因素,通过改进蜣螂算法提升搜索效率与全局优化能力,有效解决复杂三维空间中多无人机集群的路径规划与避障问题。文中详细阐述了算法改进策略、三维环境建模方法以及多无人机协同机制,并通过Matlab仿真验证了该方法在降低飞行成本、提高避障能力和路径平滑性方面的优越性能。; 适合人群:具备一定优化算法和无人机控制基础,从事智能优化、路径规划或集群控制研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于多无人机在复杂三维环境下的协同任务执行,如灾害救援、军事侦察与智能巡检;②为解决多目标路径优化问题提供高效智能算法方案,提升无人机系统的自主性与安全性。; 阅读建议:建议结合Matlab代码深入理解算法实现细节,重点关注多策略改进机制与目标函数设计,可通过调整环境参数和算法配置进行仿真实验,进一步掌握其在不同场景下的适应性与优化效果。

Model-Optimizer 评估指南:MMLU-Pro(ns_mmlu_pro)任务配置、运行与 MLflow 分数提取

本指南围绕 Model-Optimizer 仓库中 [evaluation skill](https://link.gitcode.com/i/9a0d1bffa074087adf0a53a19f6fe6d9) 提供的 MMLU-Pro 任务配方([recipes/tasks/mmlu_pro.md](https://link.gitcode.com/i/b6e5f2bc801b964a88ffa

gitblog_00225的博客 652

LabVIEW事件结构避坑指南:为什么你的‘确定按钮’事件有时会失灵?

本文深入探讨了LabVIEW事件结构中'确定按钮'事件失灵的常见原因及解决方案。从事件队列机制到事件类型选择,详细分析了事件丢失的五大原因,包括事件处理耗时过长、事件类型选择不当等,并提供了优化登录界面案例的实用建议。掌握这些技巧可显著提升LabVIEW用户界面的响应可靠性。

weixin_42548888的博客 356

水星路由器+群晖NAS+外网访问

水星路由器+群晖NAS+外网访问 有了公网IP,家里是水星路由器的 怎么设置外网访问 1.先电脑登录群晖的http://【你的群晖名】.quickconnect.to/ 2.【控制面板】进入设置 3.选择synology依次设置 ,【主机名称】就是你的名称。注意:左下角第7步,一定勾选。 4.下面进入192.168.1.1水星路由器设置。【IP与MAC绑定】点击NAS对应的【绑定】注意,点这里之前Nas一定设置了固定内网ip(后面补充 )。 5.【高级用户】-虚【拟服务器】。常用服务器不用选,其他的对应

wjxue201的博客 2600

LLM界的“黑话”大揭秘!MMLU、HumanEval都是啥?基准测试入门,一篇带你扫盲!

想象一下,LLMs的参数规模从 70 亿到超过 1000 亿不等,一代更比一代强。其中包括巨头级模型:Mistral 70 亿、Mixtral 8x70 亿、Llama 700 亿,以及庞大的 Falcon 1800 亿。同时也有像 Phi1、Phi1.5 和 Falcon 1B 这样的模型,仅以 10 亿到 40 亿的轻量级架构追求相近的性能。无论规模大小,所有模型都怀揣共同目标:掌握语言艺术,在文本摘要、问答和命名实体识别等任务中表现出色。

m0_59164520的博客 1286

告别龟速下载!保姆级教程:用离线包5分钟搞定Arduino IDE的STM32开发环境(附最新库文件)

本文提供了一套完整的Arduino IDE离线配置方案,帮助开发者5分钟快速搭建STM32开发环境。通过详细的板支持包安装指南、文件校验方法和常见问题解决方案,彻底解决GitHub下载慢的问题,提升开发效率。

weixin_26802933的博客 368

深度学习常用数据集介绍与下载(附网盘链接)

这篇博文总结了博主收集的深度学习常用的数据集,包含常用的分类、目标检测及人脸识别任务,对每个数据集给出了简要介绍、官网下载网站以及公众号获取的关键字。因为有的数据集较大,官网的下载速度可能比较慢,为了方便大家管理,这里我将其整理到了个人公众号平台中,可通过搜索“AI技术研究与分享”关注公众号,并在后台回复各数据集关键字即可获取网盘链接。数据集文件均为官方网站下载,仅用于学习交流,博主会持续更新,欢迎关注。

思绪无限的博客 4万+

贝叶斯校准在计算机模型不确定性分析中的实践指南

本文深入探讨了贝叶斯校准在计算机模型不确定性分析中的核心原理与实践方法。通过将模型从“黑箱”转变为“透明箱”,该方法系统量化了参数不确定性、模型结构缺陷及观测误差。文章重点阐释了如何利用高斯过程作为代理模型和模型不足函数,构建完整的贝叶斯校准框架,并提供了从数据准备、模型训练到MCMC推断及不确定性分析的实战指南,最终实现更可靠的预测与决策支持。

weixin_29088655的博客 292

基于Simulink的电机轴电压与轴电流抑制仿真

本文带你完成了电机轴电压与轴电流抑制的Simulink仿真,实现了:✅ 揭示了共模电压 → 寄生电容 → 轴电压 → 轴承电蚀的完整链路✅ 搭建了含寄生参数的高频电机等效模型共模电压最小化PWM(源头抑制)dv/dt滤波器(路径阻断)轴接地(终端泄放) ✅ 通过仿真验证了轴电压从68 V降至<3 V的显著效果 ✅ 为高可靠性电机系统提供低成本、高效益的轴承保护方案。

amy_mhd的博客 163

Forgery

题意大致为把  xxx x.x xxx 看作一个整体,刚开始字符全为'.',看是否可以组成给出的图像。 做法事用一个数组输入,另一个数组刚开始全赋为.........................................,当三行三列一周全为#时,把另一个数组相应位置上的点改为#,最后比较两个数组是否一模一样 Student Andrey has been skipping ph...

G-Howe的博客 1006

(数字图像处理MATLAB+Python)第五章图像增强-第一节:图像增强概述和基于灰度级变换的图像增强

图像增强(Image Enhancement):指不考虑图像降质原因,利用各种数学方法和变换手段,增强图像中人们感兴趣部分或提高有用的图像特征的清晰度。从图像质量来看,图像增强提高了图像的可懂度,改善了图像的视觉效果例如在现实场景中,针对那些对比度较差、视觉效果不好的图像,我们就可以利用图像增强改善视觉质量图像增强可分为如下几种基于灰度级变换的图像增强基于直方图修正的图像增强基于照度反射模型的图像增强基于模糊技术的图像增强基于伪彩色处理的图像增强其他图像增强方法分段线性灰度级变换。

快乐江湖的博客 3335

.net 常用认证方法 forgery token 认证

常用的在 asp .net 与 MVC .net中常用的就是 from 认证 与 Windows认证。 对于form认证, 我们需要在web.config下面 system.web节点 加入认证配置。 在需要认证的方法 或者 class上面,使用 Authorize 属性方法,不需要认证可以用AllowAnony

sqlpeng的博客 1045

【论文解读】Baidu Apollo EM Motion Planner

系统顶层是一种多车道策略,通过并行计算车道级别轨迹来处理车道变更场景;在车道轨迹生成器内部,迭代的解决基于Frenet坐标的路径和速度规划;针对路径和速度规划问题,提出了动态规划与基于样条的二次规划相结合的方法,构造了一个可扩展且易于调整的框架,同时处理交通规则、障碍物决策和平滑度问题。该规划器可扩展至高速公路和城市低速驾驶场景。高精地图模块提供了任何人都可以访问的高精地图。感知和定位模块提供了动态环境中必要的信息。运动规划模块考虑生成一条安全平滑的轨迹再交由汽车的控制模块去执行。

xiewf的博客 6095

紫光展锐面试——FPGA/IC设计面试面经案例总结

自我介绍;研究生的主要研究方向是什么?为什么想要应聘数字芯片相关的工作?简单介绍下数字IC设计流程。逻辑综合主要做什么?你有实际做过逻辑综合工作吗?你了解SS corner和FF corner吗?综合时应该使用哪个corner?综合时需要考虑hold吗?为什么?提高时钟频率对setup和hold有什么影响?为什么?hvt、rvt/svt、lvt有什么区别?c40、c50是指什么概念?有什么区别?你对EDA工具有过了解吗?

FPGA/MATLAB学习教程/源码/项目合作开发 1565
上一篇: 大人,文生图的时代又变了!SD核心成员自立门户,首个模型FLUX.1硬刚SD 3和Midjourney
下一篇: David Baker任科学顾问,初创公司发布世界最大蛋白质相互作用数据库,已获8轮融资...
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值