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
A type of node that contains published items but no other nodes (c.f. Collection Node).
Collection Node可以subscribe, 但是不能publish. 一个collection node的subscriber可以接受到任何leaf node的消息
Win7时间修复（时间错误修复文件）
运行方法：解压后运行reg文件即可。 支持的Win7版本： 1. Windows 7 Starter（入门版 / 初级版） 2. Windows 7 Home Basic（家庭普通版） 3. Windows 7 Home Premium（家庭高级版） 4. Windows 7 Professional（专业版） 5. Windows 7 Enterprise（企业版） 6. Windows 7 Ultimate（旗舰版） 7. Windows 7 Professional for Embedded Systems（嵌入式专业版） 8. Windows 7 Ultimate for Embedded Systems（嵌入式旗舰版）
CANN量化索引器测试框架
基于pytest测试框架，实现quant_lightning_indexer算子的功能验证： - **CPU侧**：复现算子功能用以生成golden数据 - **NPU侧**：通过torch_npu进行算子直调获取实际数据 - **精度对比**：进行CPU与NPU结果的精度对比验证算子功能 ## 当前实现范围 ### 参数限制 - **数据格式**: - **query_layout**：
科技中介服务机构想要提升服务效率，需要哪些数智工具支持？.docx
科技中介服务机构想要提升服务效率，需要哪些数智工具支持？
Node中消息模式:发布者(pub)/订阅者(sub)模式、请求(rep)/响应(req)模式、推送(push)/拉取(pull)模式、ROUTER/DEALER模式。另外简单介绍Node集群
安装ZeroMQ 你可能会问，为什么不直接使用socket，而使用ØMQ呢？ 因为Node.js社区信奉Unix哲学：一次只做好一件事。 Node.js贡献者们尽量保持Node.js代码的轻量、简洁。把其他更上层的事情留给开发者去解决。 使用ØMQ的好处是： 网络异常导致连接中断，ØMQ会自动新建连接 保证发送完整消息，无需处理分块发送情况 开销低却能包含很...
usb 扩容盘检测修复工具源码，编译产物
usb 扩容盘检测修复工具源码，编译产物
融合UWB和IMU割草机定位EKF研究（Matlab代码实现）
内容概要：本文主要介绍了一个名为“Plecs全桥LLC谐振变换器仿真模型”的技术资源，该资源聚焦于电力电子领域中的LLC谐振变换器建模与仿真，涵盖开环、闭环控制、软启动设计及参数优化等核心内容。文档不仅提供了LLC变换器的详细建模方法与仿真案例，还系统梳理了其在高效电源转换系统中的应用，包括隔离型全桥拓扑结构的设计与性能分析。此外，资源汇总了大量Matlab/Simulink仿真模型及相关科研方向，涉及新能源并网、储能控制、电机驱动等多个前沿领域，全面展示LLC谐振变换器在现代电力系统中的关键技术实现路径。同时，文档附带多种学习资料获取途径，如网盘链接和公众号资源，便于研究人员深入实践与拓展研究。; 适合人群：具备扎实的电力电子、自动控制理论基础，从事新能源发电、开关电源设计、电力系统仿真等相关领域的研究生、工程师及科研人员。; 使用场景及目标：①深入理解LLC谐振变换器的工作原理、建模方法与控制策略；②开展电力电子变换器的仿真验证与参数优化设计；③支撑科研项目、学位论文或工程项目的系统仿真与方案验证； 阅读建议：建议结合所提供的仿真模型与参考文献，使用Plecs或Simulink软件进行动手实践，重点掌握LLC谐振变换器的建模流程、闭环控制设计、软启动机制及参数调试技巧，以全面提升在实际工程中的应用与创新能力。
pytorch的leafnode理解
https://blog.youkuaiyun.com/Azahaxia/article/details/117234505 https://blog.youkuaiyun.com/byron123456sfsfsfa/article/details/92210253 设置requires_grad=True的tensor会计算梯度，但是并不会为所有requires_grad=True的tensor保存梯度。因为为了减少显存/内存占用，我们不会保存中间计算过程中产生的tensor的梯度。所以，有了叶子节点的概念。当且仅当tenso
基于变频控制的多相交错LLC谐振变换器闭环仿真（Simulink仿真实现）
基于变频控制的多相交错LLC谐振变换器闭环仿真（Simulink仿真实现）内容概要：本文主要介绍了基于Plecs的全桥LLC谐振变换器仿真模型，涵盖变频控制下的多相交错LLC谐振变换器闭环仿真、V2G电动汽车ACDC整流与双向CLLC谐振变换器充放电仿真、LLC谐振变换器的开环与闭环软启动设计，以及储能系统中双向Buck-Boost变换器结合模型预测电流控制和电压下垂控制的仿真研究。同时，文档列举了多种电力电子系统与控制策略的Simulink/Plecs仿真案例，涉及三相交错并联Buck变换器、三电平Buck直流变换器、单相Boost PFC电路等，展示了丰富的电力变换器建模与控制技术。此外，还包括参数设计报告、计算书及相关参考文献，适用于从事电力电子、新能源发电、电动汽车充放电系统等领域的研究人员和技术开发人员。; 适合人群：具备电力电子、自动控制理论基础，从事新能源、电动汽车、电力系统等相关领域研究的研发人员、高校研究生及高年级本科生。; 使用场景及目标：① 学习和掌握LLC谐振变换器及其他典型电力电子变换器的工作原理与建模方法；② 实现闭环控制策略如变频控制、软启动、模型预测控制、下垂控制等的仿真验证；③ 支持科研项目、毕业设计或工程开发中的系统仿真与优化设计。; 阅读建议：建议结合文中提供的仿真模型、设计报告与参考文献，逐步搭建并调试相应系统，重点关注控制策略的实现细节与参数整定过程，以深入理解系统动态响应特性与控制性能。
Trick（十五）—— 树结构如何判断一个节点是内部节点（internal node）还是叶子节点（leaf node）
比如一个 Decision Tree，我们常需判断一个节点的类型，以做不同的处理。 我们一般使用字典类型来维护内部节点结构，故内部节点（internal node）和叶子节点的判断方式可通过查看对象的类型名进行：type(node).__name__ # 查看 node 对象的类型名 # 返回的是字符串类型def is
独立储能的现货电能量与调频辅助服务市场出清协调机制（Matlab代码实现）
内容概要：本文标题为“Plecs全桥LLC谐振变换器仿真模型”，但实际内容严重偏离主题，文档中混杂了大量来自优快云博客平台的无关信息，涵盖多个不同领域的Matlab/Simulink仿真项目，如电力系统优化、无人机路径规划、机器学习预测、微电网调度、卡尔曼滤波、无线能量传输等，导致核心内容缺失。文档未能提供关于Plecs平台下全桥LLC谐振变换器的建模方法、电路结构、参数设计、控制策略或仿真结果等关键技术细节，实质信息与标题完全不符，不具备作为该主题参考资料的有效性。; 适合人群：从事电力电子变换器研究、电源系统设计及相关领域的工程师、高校研究生与科研人员，尤其是希望掌握LLC谐振变换器建模与仿真的专业技术人员。; 使用场景及目标：① 学习并掌握全桥LLC谐振变换器的工作原理与Plecs仿真建模技术；② 开展高效电源转换器的研发与性能优化；③ 作为教学或科研项目中电力电子电路仿真的参考资料。; 阅读建议：鉴于文档内容与标题严重不符，建议读者谨慎甄别，优先选择专业书籍、学术论文或官方仿真软件教程等权威资源进行学习，避免被无效信息误导。
DRAM刷新refresh相关知识归类-基础小知识（三）
RAM每一位数据都是通过芯片内的一个小电容充电（或低电平）存储的。但随着时间的推移，电容逐渐失去电荷。为避免丢失存储的数据，必须定期刷新以将电荷（如果存在）恢复到其原始级别。此刷新过程包括读取每个位的值，然后将其写回。在此“刷新”期间，内存被占用，无法执行加载或存储位等正常操作。知道了应该这么做，但怎么去做以及有什么办法更有效率去做，就是接下来要整理的内容。
nats leafnode（nats叶节点）
1、意义 客户端简单化 不需要感知后端集群的变化，比如增加了cluster，迁移了位置等； 客户端性能 连接到本地leafnode链路质量好（时延、带宽、震荡等），leafnode到远端server的连接少，传输数据少。 管理 设计租户、权限、subject等，没有使用，理解不深刻。 边缘节点处理能力 Leafnode上可以处理客户端认证、消息聚合等。 2、配置 2.1 服务端 Conf文件需要配置监听端口： 如果使用helm，则增加： 并且为7422设置nodeport或者ingres
【科研导航】【计算机视觉与图像处理】从顶刊到潜力股：跨学科（电子/电气/信息）SCI期刊投稿全景图
本文全面解析了计算机视觉与图像处理领域的SCI期刊投稿策略，涵盖从顶刊到潜力股的各类期刊特点。重点介绍了IEEE Transactions系列、Elsevier旗舰期刊以及二区优质期刊的审稿偏好和投稿技巧，特别适合电子/电气/信息交叉学科的研究者。文章还提供了三区、四区期刊的实用投稿建议，帮助科研新手快速找到适合的发表平台。
消息总线优化之PubSub
本文阐述了对消息总线内部的PubSub组件进行优化的前后设计对比，以及相比原来的设计有哪些改观。
计算机视觉——多视图几何
多视图几何1.前言1.1 多视图几何概念2. 基本原理2.1 对极几何2.2 基础矩阵2.2.1 基础矩阵推导2.2.2 求解基础矩阵3. 实验过程3.1 实验数据准备3.2 实验代码3.3 实验结果及分析4. 实验中遇到的问题 1.前言 1.1 多视图几何概念 多视图几何是利用在不同视点所拍摄图像间的关系，来研究照相机之间或者特征之间关系的一门科学。 多视图几何（Multiple View ...
小红书图文AI创作：输入主题，一键生成图文（coze工作流教程+获取）
输入主题，工作流一键生成小红书风格图文，30s一条，可批量生成
理解并实现PubSub模式
假如我们正在构建一个类似于 Google Docs 的应用程序，当用户按下一个按键时，需要做的事情有很多： 新字符显示到屏幕上；插入点向后移动；将本次动作加入到撤销的历史记录中； 保持与服务器同步；拼写错误检查；统计字数和页数等等。 按照传统的做法，假如我们监听 keypress 事件，并在一个处理中完成所有的任务，这想想都觉得可怕了。 那么有没有什么方法可以更好的解决这个问题，答案就是分布式事件...
从CTF到实战：Frida Hook无导出SO函数的3种特殊姿势
本文深入探讨了在移动安全逆向工程中，如何利用Frida Hook无导出SO函数的三种高级技巧：字符串引用定位法、调用栈回溯法和内存特征码扫描。针对安卓So层加固和混淆场景，文章结合CTF赛题与实战案例，详细解析了每种方法的原理、实现步骤与适用场景，为安全研究人员提供了从理论到实践的完整解决方案。
【Oracle 12c Flex Cluster专题 】— Leaf Node的故障迁移
沃趣科技 周天鹏（译） Oracle 在12c中使用hub-and-spoken技术实现了Flex Cluster的功能(即RAC集群中的每个节点不再需要既运行ASM实例又运行DB实例，各节点可以扮演不同的角色)。...
Ardupilot无人船（车）mavros自主控制
rover 4.4。
金融领域必备：Python爬虫+AI量化分析，爬取股票数据并实现智能交易策略
本文通过Python爬虫+AI量化分析的组合，实现了从股票数据爬取到智能交易策略的全流程。免费获取全维度金融数据（行情、财务、舆情），替代付费终端；用LSTM模型捕捉股价的时间序列规律，提升预测精度；基于Backtrader实现策略回测与优化，保证策略的有效性。
MQTT 服务器
将Node HTTP服务器修改成具备MQTT Websocket能力 var mosca = require("mosca"); var ascoltatore = { //using ascoltatore // type: 'mongo', // url: 'mongodb://localhost:27017/mqtt', // pubsubCollection: 'ascolta
IEM模型，地表粗糙度模拟
利用微波反演土壤水分时候，利用IEM模型可以实现对随机地表的模拟
Node节点类型的判断。
<div id="div1">我是html，重点看js</div>window.onload=function(){ var div=getElementById("div1"); //判断div节点类型 if(div.nodeType==1){ alert("我是元素节点") } if(div.childNodes[0].nodeType==
假人有限元模型
假人模型，车辆碰撞假人有限元模型，适合做乘员安全的研究者利用
霍尼韦尔SoftMaster使用说明
霍尼韦尔SoftMaster使用说明
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
861
扫一扫
