墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
1.2k累计阅读
1.3k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
DotAsterisk(点星PBX) 已经发布了2.2 beta4版本，以后我将基于这个版本和后续版本一步步的讲解基于asterisk的中小型呼叫中心——DotAsterisk(点星PBX)在中小型企业中的一些使用教程、案例、以及一些关于asterisk的教程。系统对用到asterisk IPPBX的相关的企业和asterisk相关VoIP爱好者有一些帮助。
DotAsterisk(点星PBX)下载地址：
官方论坛： http://www.dotasterisk.cn/thread-25-1-1.html
文件名： DotAsterisk-2.2-x86_64-DVD-beta4-20180705.iso
asterisk呼叫中心
DotAsterisk点星PBX
asterisk拨号计划
U盘安装DotAsterisk(点星PBX)企业呼叫中心或IPPBX系统
新发布的DotAsterisk(点星PBX) 3.0 版本开始支持U盘安装系统，应@呆呆的要求，在几台实体机上做了下测试，记录一下测试过程和遇到的"坑"，以备后续参考。 一、准备工作 1. DotAsterisk 3.0 ISO镜像安装文件： DotAsterisk-3.0-Beta1-2-x86_64-DVD.iso 。 2. U盘启动制作工具——UltraISO单文...
DotAsterisk(点星PBX)呼叫中心系统在阿里云ECS服务器上的安装部署
最近有一项语音呼叫的业务需要将DotAsterisk(点星PBX)部署到阿里云ECS云主机上，正好这段时间发现阿里云做活动，ECS机器购买优惠力度很大，新用户只需要699元就可以购买一台2CPU 4G内存，而且使用3年期限的云主机，官方活动链接如下： https://promotion.aliyun.com/ntms/act/vm/aliyun-group/buy.html?group=LPBx...
点星PBX(DotAsterisk) IPPBX设置视频教程下载地址
教程发布地址： http://www.dotasterisk.cn/thread-2212-1-1.html 1） 点星pbx(DotAsterisk) IPPBX系统设置视频教程【01-06讲】：下载链接(百度云):https://pan.baidu.com/s/1qKprg_sLCTwgTmKk1_QHCA提取码: ex8m全部文件: 01【安装】.mp4 01【安装】.t...
案例1：采用语音网关接入中继落地方式，以前正常呼出但突然无端出现所有坐席无法拨出外线
1. 点星PBX部署拓扑图： 2. 故障说明： 一般发生此种情况是 落地语音网关在局域网内，点星PBX部署到了阿里云公网云主机，语音网关需要采用注册方式对接到点星PBX。 3. 故障原因： 由于公网环境较为复杂，一般缘故都是由于 语音网关注册到 点星PBX后超时掉线造成的。可以用如下方式排查语音网关是否注册掉线： 3.1： 用admin管理员登录点星pbx后台设置界面，在...
点星PBX(DotAsterisk)单台讯时MX100G-4E1数字中继网关同时混合接入电信、移动双运营商线路教程
1.客户案例说明 新疆一客户办公地点部署了点星PBX呼叫中心语音通话业务，起初申请了2路中国移动数字中继线，后期业务增加，又加了1路移动中继线路。客户购置了一台讯时MX100G-4E1数字中继网关，通过网关设备，把3路移动数字中继线路和点星PBX进行对接，前期话务正常有序进行。关于点星PBX和讯时数字中继网关对接教程，请参考《讯时MX100G-4E1数字中继网关对接点星PBX呼叫中心》。 后来，随着通话业务的扩大，以及客户投诉等诸多问题的增多，公司被迫想尝试其它运营商的语音线路。于是客户选择了中国电..
docker-asterisk:用于 Asterisk PBX 的 Dockerfile
码头工人星号 用于 Asterisk PBX 的 Dockerfile
DotAsterisk(点星PBX)IPPBX V4.5在Hyper-V虚拟机中的安装
DotAsterisk(点星PBX)IPPBX V4.5在Hyper-V虚拟机中的安装
VoIP Asterisk PBX sugarCRM
VoIP Asterisk PBX CRM TrixBox 英文版
采用DotAsterisk(点星PBX)系统组建跨地区总公司和分公司之间的免费VoIP电话呼叫
DotAsterisk(点星PBX) IPPBX RC1版本发布了，此版本自带的电话会议功能可以满足一般企业的电话会议需求。虽然已经有如下一篇文件介绍了点星PBX的电话会议功能， 《体验DotAsterisk(点星PBX)的电话会议功能》 但是我觉得还是不够详细，也没有深入挖掘出点星PBX在跨区域企业之间通讯的强大功能。下面我将基于一个虚拟的案例，讲解点星PBX作为一个强大的VoIP软交换，应...
完全免费IPPBX
联络加免费IPPBX基于自主研发Windows系统IP软交换平台，可对接主流网关厂商、VOS等。最新版本可通过联络加官网下载安装包，本地部署，完全免费。
wsl2内核版本和模块版本不一致解决方法
** /lib/modules/…build: No such file or directory错误解决办法这篇文章历时1个月整，从4月5日一直到5月5日，这一问题才得以解决。
DotAsterisk(点星PBX)IPPBX beta4安装体验
今天很荣幸第一时间拿到了@呆呆给我的 DotAsterisk(点星PBX)IPPBX beta4 版本，立马迫不及待的在虚拟机中进行了安装测试。安装过程还是一如既往的简单，如下图： 在控制台用root账号登录，密码为"dotasterisk.cn" (控制台屏幕有root密码提示), 修改网卡IP地址如下： 系统已经自带了 800-805等...
人工势场法在自动驾驶避障中的实践与优化
本文深入探讨了人工势场法在自动驾驶避障中的核心原理与实践优化。通过解析引力与斥力模型，揭示了经典算法在局部最优和目标不可达等问题上的局限性，并重点介绍了改进斥力场函数、引入道路边界斥力及动态参数调整等关键优化策略，有效提升了该局部路径规划算法在复杂动态场景下的实用性与鲁棒性。
使用rufus工具U盘安装DotAsterisk(点星PBX)呼叫中心并进入救援模式修复grub引导
之前有过一篇介绍采用UltraISO制作点星pbx启动光盘U盘安装点星pbx呼叫系统的文章教程——《U盘安装DotAsterisk(点星PBX)企业呼叫中心或IPPBX系统》，下面介绍另一个工具 rufus 进行U盘安装点星pbx。 1. 下载 rufus U盘启动盘制作工具 官网下载： http://rufus.ie/zh_CN.html http://rufus.ie/ 或者从点星PBX官网下载： https://www.enjoycti.com/download.html 2. ..
skill使用教程，从小白到大神进阶
（2）突然无法使用（NodeJS安装参考）：如果正常使用中，突然发现claude命令无法启动claude-code了，可能是claude-code正在后台自动更新，等待几分钟后再尝试使用，如果还是不行，请先运行下列代码移除claude-code，注意，如果你的node安装目录不同，要替换成自己的安装目录：rm -rf /opt/homebrew/lib/node_modules/@anthropic-ai/claude-code。安装完成后，让我们启动 Claude Code，看看它长什么样。
UG/NX二次开发实战：用Python脚本批量更新100个零件参数，解放你的双手
本文详细介绍了如何利用NXOpen Python API进行UG/NX二次开发，实现批量更新100个零件参数的自动化流程。通过环境配置、框架设计、核心代码实现及性能优化，帮助工程师高效完成参数化设计任务，显著提升工作效率。
DotAsterisk(点星PBX)IPPBX beta5发布,新增CRM客户资料管理
终于等到DotAsterisk(点星PBX)IPPBX beta5发布了,期待已久的CRM客户资料管理上线了,熬夜安装体验了一把来电弹屏和客户资料管理功能，满满的点赞。呆呆继续加油，看好DotAsterisk。测试截图如下： DotAsterisk(点星PBX)IPPBX beta5下载地址： 百度云： DotAsterisk-2.2-x86_64-DVD-beta5...
Windows与Linux安装miniconda并启动python项目及指令
官方介绍：Miniconda 是 conda 的免费最小安装程序。它是 Anaconda 的一个小型引导版本，仅包含 conda、Python、它们都依赖的包以及少量其他有用的包（例如 pip、zlib 等）。如果您需要更多软件包，请使用该 命令从 Anaconda 公共存储库或其他渠道（例如 conda-forge 或 bioconda）默认提供的数千个软件包中进行安装。minicoda下载地址最好挂个梯子。如果你需要指定版本的conda，可以在这里下载历史版本的miniconda。
DotAsterisk(点星PBX)IPPBX V4.1下载地址
链接：https://pan.baidu.com/s/1LeeUqDoEO3cdj6cUWUqsjQ 提取码：1234
嵌入式工程师成长之路（0）----认识元件
在电子设计与维修中，认识元件是成功的关键！面对琳琅满目的电阻、电容、电感与二极管，样子形式千奇百怪，你是否也曾陷入困难？ 本文基于行业权威分类标准，结合十年工程师实战经验，深度解析4大类、30+子类电子元件的核心特性、应用场景与避坑指南，助你从“小白”秒变“电子高手”！
157、飞控中的鲁棒自适应控制
本文总结了飞控系统中鲁棒自适应控制的实践经验。作者通过炸机案例引出传统PID控制的局限性，分析了鲁棒性与自适应性的本质矛盾，提出"用鲁棒性兜底，用自适应性提性能"的设计原则。重点介绍了模型参考自适应控制(MRAC)的实现方法，包括参考模型设计、自适应律调参技巧(建议初始增益设为0.01)、直接/间接自适应的应用场景差异，以及防止参数漂移的鲁棒修正方法。文章还分享了实际调试中的三大关键问题(初始值设定、激励条件、执行器饱和)及解决方案，并推荐了"鲁棒PID+自适应前馈"的混合架构。最后强调调试顺序应为先保证鲁
采用DotAsterisk(点星PBX)组建跨地区总公司和分公司之间的电话会议系统(一)
在前一篇文章《采用DotAsterisk(点星PBX)系统组建跨地区总公司和分公司之间的免费VoIP电话呼叫》已经测试了点星PBX的跨区域企业之间内部VoIP电话呼叫的功能，这一讲我们还是借用上一篇文章的测试案例和组网拓扑图来介绍点星PBX的跨区域企业电话会议的功能。 首先，我们测试的逻辑组网图通上一篇文章基本一样，只是我们要测试电话会议的功能，所以我们打算用5个SIP软电话来模拟坐席的IP话机...
具身智能：原理、算法与系统 第16章 运动控制基础
实时迭代（Real-Time Iteration, RTI）策略在每个采样时刻执行有限次迭代（通常一次），利用相邻时刻解的连续性，在严格时间限制内获得可行解。比例-积分-微分（Proportional-Integral-Derivative, PID）控制是工业界最广泛应用的控制策略，其原理基于误差的当前值（比例）、累积值（积分）与变化率（微分）的线性组合。力-位置混合控制（Hybrid Force/Position Control）将任务空间分解为力控制子空间与位置控制子空间，分别控制。
点星PBX(DotAsterisk)外线呼入到离线坐席(sip分机未注册)时，如何播放语音提示外线客户坐席不在线
1. 公司需求说明 公司部署的点星PBX(DotAsterisk)呼叫中心进行电话业务，一段时间后，运维人员提出了下面一个需求，需求内容如下。 客户公司话务员是轮班制，采用电脑SIP软电话坐席，坐席下班后电脑关机，软电话会离线。当坐席离线后，外线客户呼入的电话如果按计划转到坐席，就回直接挂断，没有提示。现在公司需要在上述情况发生的时候，增加一段友好的语音提示后再挂断电话，譬如"你好，话务员坐席已下线，请在其它时间拨打热线，谢谢您的配合！"。 2.分析 点星PBX的呼叫策略是：当某个坐席SI...
贝叶斯统计 [韦来生编]
贝叶斯（Bayes）统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外，还要利用参数的先验信息，因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”，近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。 本书共分六章。第1章是绪论，介绍了贝叶斯统计的若干基本概念，同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法，包括蒙特卡洛方法和马尔可夫链蒙特卡洛（MCMC）方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题，书末附有常用的几个表格和部分习题解答供读者查用。 大约可在54学时内讲授本书的第1章至第六章的主要内容，教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲，留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。 作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容，以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。 本书编写准备过程中，中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版，作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。
深度学习工具包 DeepLearningToolbox
深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[](https://bitdeli.com/free "Bitdeli Badge")
客户案例：使用点星PBX进行电话自助水费查询TTS语音播报原理
1.环境说明 某市区送水公司安装点星PBX呼叫中心，基本的电话功能：客户呼入请求送水服务，坐席呼出回访等功能外，送水公司还有工作号，客户可以关注后在线购买桶装水套餐。除了上述功能，点星PBX还支持客户电话呼入，并通过IVR语音导航调用程序查询客户套餐余额或剩余桶装水数量信息，并通过TTS技术将结果播报给来电客户。 本案例假定信息如下： 送水公司已经安装点星PBX呼叫中心系统，且系统的对外服务热线号码为： 77778888 2.由于我们只是给出实现上述功能的原理，所以先给出简单流程图，如下...
OV9734 DATASHEET，完整规格书
OV9734完整规格书，包括电气参数，尺寸规格，寄存器配置表等
CentPBX(原点星PBX)2026年开始永久免费
【2026年】开始，CentPBX授权调整为永久免费，将不再通过license授权收取费用，新版安装后即为：企业授权版。永久免费版：CentPBX-free-2.6-2-x86_64-DVD.iso。安装成功后系统： root默认密码：123456。ssh默认端口： 24432。
ET2012新版免狗免安装绿色软件
ET2012新版免狗免安祖昂绿色软件。，新界面，新视觉，
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
1921
扫一扫
