- 博客(88)
- 资源 (9)
- 收藏
- 关注
RSS订阅原创 系统学习CFD，常见收敛问题、及如何与机器学习相结合
深入了解CFD的基本原理和方法，包括数值方法（如有限差分法、有限元法、有限体积法等）、网格生成技术、边界条件处理等。学习CFD软件的使用，如ANSYS Fluent、CFX、STAR-CCM+等，掌握这些软件的基本操作和高级功能。机器学习可以通过算法自动找到最优的参数组合，优化CFD模型的参数设置，提高模拟的准确性。学习高级CFD技术，如并行计算、自适应网格细化、大涡模拟等，以提高模拟的精度和效率。优化生物医学设备的设计，如人工心脏瓣膜、血液泵等，提高设备的性能和安全性。
2024-10-24 09:49:16
1169
原创 Python网络爬虫
在实际应用中，我们应该添加异常处理机制来捕获和处理可能出现的错误，比如网络问题、HTML结构变化等。此外，我们可能还需要将提取的数据存储到数据库、文件或其他存储系统中。首先，我们需要发送一个HTTP GET请求来获取网页的HTML内容。这个网站可能有一个列表页面，上面列出了所有文章的链接和标题。使用如BeautifulSoup等工具解析下载的网页内容，提取所需的数据。用于管理待爬取的URL和已爬取的URL，避免重复爬取。这是爬虫的主程序，负责协调各个组件的工作。例子：爬取一个网页上的所有文章标题。
2024-10-24 09:34:41
2537
原创 C++游戏开发
同时，由于不同开发环境和图形库之间的差异，可能需要根据实际情况对代码进行调整和修改。需要一个名为的头文件来在屏幕上绘制和创建图形（注意：在某些现代C++开发环境中，可能需要使用其他图形库，如EasyX）。可以学习流行的C++游戏引擎，如Unreal Engine或Unity（Unity主要使用C#，但也支持C++插件）。moveSnake()函数实现了蛇的移动逻辑，包括判断蛇头是否碰到边界或自身，以及更新蛇的位置等。学习C++的基本语法、数据类型、控制结构、函数、数组、指针等。
2024-10-24 09:25:21
427
原创 fluent中如何判断模拟是否收敛，具体依据是什么
*、四、观察点或线的值稳定性：**选择计算区域中的特定观察点或线，监测这些点或线上物理量（如温度、压力、速度等）的变化。对于这些情况，即使残差没有降低到预设的收敛标准，但如果模拟结果能够反映这些物理现象的特性，也可以认为模拟是合理的。在某些情况下，即使残差没有降低到预设的收敛标准，但如果迭代步数足够多，且监测的物理量已经稳定，也可以认为模拟已经收敛。总之，判断Fluent模拟是否收敛需要综合考虑多个因素，包括残差、监测的物理量、松弛因子、边界条件、网格质量、迭代步数以及模拟现象的物理特性等。
2024-05-22 22:53:12
2580
原创 深度神经网络
老师的课程：李宏毅老师的课程可能是用中文讲深度学习的课程中讲得最好的一个。**吴恩达（Andrew Ng）**的深度学习课程 - 吴恩达在Coursera上开设的深度学习课程也是广受好评，课程内容涵盖了神经网络、卷积神经网络、循环神经网络、优化算法等。**确定损失函数和优化算法：**在训练神经网络时，需要定义一个损失函数来衡量模型的误差，并选择合适的优化算法来更新模型的参数。- 莫烦分享的深度学习内容非常系统，包括神经网络简介及应用、遗传算法等，他的视频既有小知识点讲解，也有系统化的讲解。
2024-05-20 11:06:01
579
原创 详解Ai作画算法原理
VAEs通过概率分布的概念实现了图像的生成和风格变换，而神经风格迁移则通过深度学习和神经网络学习和模仿艺术家的风格，创造出具有独特艺术效果的作品。通过将一种风格的图像编码到潜在空间，并将其与另一种内容图像的潜在表示相结合，可以生成具有新风格但保留原内容的图像。**神经风格迁移：**神经风格迁移是一种机器学习技术，它允许AI系统学习和模仿艺术家的风格，并创建出具有该艺术家风格的全新艺术作品。这些数据集包含了大量的图像，通过学习这些图像的特征和风格，AI可以学会如何生成新的图像。
2024-05-20 10:59:23
345
原创 链表基础知识详解
链表是一种常见的数据结构，它由一系列节点组成，每个节点包含两部分：一部分是数据域，用于存储实际的数据元素；另一部分是指针域，用于指向链表中的下一个节点。链表中的节点可以动态地添加、删除，其大小可以根据需要进行扩展或缩小。链表在许多场合下都有广泛的应用。例如，在社交网络中，链表可以用来表示用户的关注列表或好友列表；在电商平台中，链表可以用来管理商品信息，方便进行商品的遍历和筛选；在汽车导航系统中，链表可以用来存储道路信息，规划最优的行车路线；在音乐播放器中，链表可以用来表示播放列表，方便进行歌曲的切换和推荐。
2024-03-06 23:09:32
813
原创 主流开发语言和开发环境介绍
同时，保持开发环境的更新和维护也是非常重要的，以确保最佳的开发体验和安全性。配置对应的开发环境，一般需要先下载和安装相应的开发工具，如IDE（集成开发环境）。然后，根据具体语言的需求，安装必要的插件和库。为了获取最新的学习资源和UP主推荐，建议直接在B站进行搜索，并结合用户的评价、观看量等指标来选择合适的学习资源。**C#：**C#是微软开发的一种面向对象的编程语言，主要用于Windows生态系统。确保操作系统的兼容性：不同的开发语言和环境对操作系统的要求可能不同，需要选择适合自己操作系统的版本进行安装。
2024-03-06 23:02:50
2163
原创 Linux常用操作指令
Linux是一种自由和开放源代码的操作系统，基于Unix，由林纳斯·托瓦兹在1991年首次发布。由于其高效、稳定、安全以及灵活的特性，Linux在服务器、移动设备、嵌入式系统以及超级计算机等多个领域都有广泛的应用。在Linux系统中，用户可以通过命令行界面（CLI）来执行各种操作和任务。
2024-03-05 20:58:34
466
原创 CFD一般步骤-常用的软件
*确定几何形状并生成计算网格：**首先，需要确定要分析的流体流动的空间影响区域，并对实际的几何区域进行简化，以减少计算复杂性。使用CAD软件或其他几何建模工具，创建简化后的计算区域的几何模型。接着，利用网格划分软件，如ICEM，对几何模型进行离散化，生成用于计算的网格。**输入并检查网格：**将生成的网格导入到CFD软件中，并进行检查，确保网格质量满足计算要求。高质量的网格可以提高计算效率和精度。**选择求解器和模型：**根据流体流动的特点和所要解决的问题，选择合适的求解器和物理模型。
2024-03-05 20:51:35
1110
原创 UDF学习重要视频资料
同时，你也可以关注那些专注于编程、软件开发或相关领域的 UP 主，他们可能会分享与 UDF 相关的知识和经验。UDF（User-Defined Function） 是用户自定义函数的缩写，通常用于编程和软件开发中，允许用户根据自己的需求编写特定的函数来扩展程序的功能。请注意，UDF 的学习可能需要一定的编程基础和耐心。通过系统的学习和实践，你可以逐渐掌握 UDF 的应用，并扩展你的编程技能。官方文档和教程：查阅你所选编程语言或软件平台的官方文档和教程，了解 UDF 的基本概念、语法和用法。
2024-03-04 08:58:31
986
原创 动网格学习：如何系统学习，案例及相关学习内容目录-学习材料
在B站上，与动网格和数值模拟相关的UP主可能相对较少，但你可以搜索关键词“流体动力学”、“数值模拟”或“ANSYS Fluent教程”等来找到相关的视频教程。同时，你也可以关注那些专注于工程模拟、计算流体力学（CFD）或相关领域的UP主，他们可能会分享与动网格相关的知识和经验。在流体动力学模拟中，当物理模型或某些区域的网格需要随着流动的进行而动态改变时，就会采用动网格技术。例如，在模拟离心泵的非稳态运行时，动叶轮和扩压器之间的相对运动就需要用到动网格技术。如果需要，可以建立网格运动的动画过程。
2024-03-04 08:41:16
341
原创 如何学习openfoam
例如，可以使用OpenFOAM提供的工具或第三方软件（如ParaView）来查看和分析流场的速度、压力分布等信息，以及生成各种图表和图像。你可以从OpenFOAM的官方网站下载适合你的操作系统的安装包，然后按照官方提供的教程进行安装。苏军伟的博客：苏军伟是一位在OpenFOAM领域有着丰富经验的专家，他的博客上有许多关于OpenFOAM的深入解析和实用教程。OpenFOAM官方网站：官方网站提供了详细的安装教程、用户指南、文档和示例算例，是学习OpenFOAM的重要资源。四、B站学习资源推荐UP主。
2024-03-03 23:48:20
752
原创 帕累托优化基本概念，如何系统学习？
帕累托优化，也称为帕累托改善或帕累托改进，是以意大利经济学家帕累托（Vilfredo Pareto）命名的。帕累托最优是指没有进行帕累托改进余地的状态，而帕累托改进是达到帕累托最优的路径和方法。帕累托最优解：在给定一组目标的情况下，如果不存在其他解能够使得所有目标同时变得更好，那么这个解就是帕累托最优解。通过合理的规划和管理，可以实现资源的有效利用，同时减少对环境的影响，达到帕累托最优的状态。这些例子展示了帕累托优化在不同领域中的应用，其核心思想是通过合理的资源配置和利用，实现整体效益的最大化。
2024-03-03 22:09:09
601
原创 什么是神经网络？如何学习神经网络及相关学习网站
神经网络是一种模拟人类大脑神经元的计算模型，由多个相互连接的神经元（或节点）组成。这些神经元接收输入信号，对其进行加权和激活，然后输出到下一个神经元。神经网络通常包括输入层、隐藏层和输出层，隐藏层可以有多层。神经网络可以学习和识别输入数据的特征，并用于分类、回归、聚类等任务。
2024-03-01 17:05:55
532
原创 PBM学习——从基础到精通
同时，结合官方文档和教程，以及自己的实践经验，可以更好地掌握Fluent中的PBM模型。在B站或其他视频平台上搜索Fluent和PBM模型相关的教程，可能会发现其他有经验的UP主分享的教学视频。在B站上搜索“仿真秀”，该UP主分享了许多关于Fluent软件使用和PBM模型设置的教程视频。B站上的Ansys官方频道也发布了关于Fluent软件使用和PBM模型的相关教程。一个专注于Fluent软件使用和学习的社区，有许多用户分享的经验和教程。阅读相关领域的科研论文，了解PBM模型的前沿研究和实际应用。
2024-02-29 14:46:12
1038
2
原创 PBM学习——从基础到精通！！！
进行自己的项目模拟根据自己的兴趣或实际需求，选择一个项目，使用PBM模型进行模拟。在模拟过程中不断调试和优化参数，以获得更准确的结果。总结学习经验回顾整个学习过程，总结经验和教训。分享自己的学习心得和模拟成果，与他人交流讨论。
2024-02-29 14:43:50
535
原创 如何学习自然语言处理之语言模型
wn)，其中一个应用就是句子的生成。总之，要系统学习自然语言处理之语言模型，需要扎实的基础知识和编程技能，同时结合深度学习和统计语言模型等方法进行实践和研究。在学习过程中，可以利用在线教育平台和学习博主等资源，不断提高自己的技能和能力。深度学习和机器学习：学习深度学习和机器学习的基础理论和方法，理解神经网络、优化算法等关键概念。语言模型：深入研究语言模型的原理和实现方法，包括传统的统计语言模型和基于深度学习的语言模型。TED：一个非营利性的全球性论坛，传播有价值的思想，可以了解到最新的科技趋势和发展。
2024-02-29 14:42:00
559
原创 PBM学习——从基础到精通！！！
进行自己的项目模拟根据自己的兴趣或实际需求，选择一个项目，使用PBM模型进行模拟。在模拟过程中不断调试和优化参数，以获得更准确的结果。总结学习经验回顾整个学习过程，总结经验和教训。分享自己的学习心得和模拟成果，与他人交流讨论。
2024-02-28 09:34:23
1224
原创 深度学习该如何入门
在学习过程中，可以结合这些资源和UP主的视频，通过编写代码、参与项目和阅读最新研究论文来巩固和扩展自己的深度学习知识。机器学习课程（Andrew Ng在Coursera上的课程）：https://www.coursera.org/learn/machine-learning。菜鸟教程Python基础部分：https://www.runoob.com/python/python-tutorial.html。持续学习：**深度学习是一个不断发展的领域，新的算法和技术层出不穷。
2024-02-28 09:30:26
524
原创 全网最全的自学Python攻略
*安装Python环境：**在开始学习之前，你需要在你的电脑上安装Python环境。**持续学习和实践：**Python是一个不断发展和更新的语言，你需要持续学习和实践才能保持对Python的掌握。**实践编写代码：**学习Python的过程中，最重要的是实践编写代码。**选择学习资源：**有很多优秀的Python学习资源可供选择，如Python官方文档、在线教程、书籍和视频教程等。**了解基础知识：**首先，你需要了解计算机编程的基础知识，如变量、数据类型、函数、条件语句和循环等。
2024-02-27 18:57:00
323
原创 AI绘画工具有哪些
通过不断的学习和实践，用户可以掌握这些工具的使用方法并创作出具有创意和艺术价值的作品。学习方法：官方网站提供了详细的使用教程和案例展示，用户可以通过观看教程和尝试案例来快速上手。学习方法：官方网站提供了详细的使用说明和教程，用户可以通过阅读教程和尝试不同参数来学习。支持自定义参数和调整。学习课程：暂时没有专门的课程，但用户可以通过在线教程和社区交流来深入学习。学习课程：暂时没有专门的课程，但用户可以通过在线教程和社区交流来深入学习。学习课程：暂时没有专门的课程，但用户可以通过在线教程和社区交流来深入学习。
2024-02-26 08:46:02
406
原创 开源软件的影响力
这种软件的开发模式鼓励协作和共享，允许用户根据自己的需求定制软件，同时也为软件的开发和维护提供了更大的透明度和社区支持。总之，开源软件在软件领域具有广泛的影响力，它不仅改变了软件开发的模式，还推动了软件技术的创新和发展。Git：Git 是一款开源的分布式版本控制系统，用于追踪代码的更改。更多的商业支持：随着开源软件在企业级市场的普及，越来越多的商业公司将提供对开源软件的支持和服务，以满足企业的需求。促进人才培养：开源软件为开发者提供了一个学习和成长的平台，有助于培养更多的软件人才，推动软件行业的持续发展。
2024-02-26 08:37:57
578
原创 机器学习简述
机器学习是一种人工智能技术，它基于统计学和计算机科学，让计算机系统能够从数据中学习并改进其性能，而不需要进行明确的编程。可解释性：随着机器学习在各个领域的广泛应用，模型的可解释性将越来越受到关注，以便人们更好地理解模型的决策过程。总之，机器学习作为一种重要的人工智能技术，将在未来继续发挥重要作用，为各个领域带来更多的创新和变革。隐私和安全：随着数据泄露和隐私问题的不断出现，机器学习在隐私和安全方面的保护将越来越重要。图像和语音识别：机器学习可以用于图像和语音的识别和分类，例如人脸识别、语音识别等。
2024-02-23 21:57:55
590
原创 Sora——探索AI视频模型的无限可能
其次，Sora的发布对多个行业来说意味着无限的商业机会。无论是制作广告、电影预告片还是短视频，Sora都能够根据用户的创意和想法，快速生成与之对应的视频内容，从而极大地提升了用户的创作效率和便利性。通过利用扩散模型的生成能力和Transformer的序列建模能力，Sora可以实现从文本描述到视频内容的自动转换，并为多个行业带来颠覆性的变革。除了现有的内容创作、广告、影视制作、教育、社交媒体和娱乐等领域，Sora还有可能进入更多新的领域，如虚拟现实、增强现实、游戏等，为用户提供更加丰富和多样的视觉体验。
2024-02-23 21:54:12
886
原创 动网格-尺寸函数&耦合运动（五）
即使是耦合运动，强烈建议在正式计算之前进行网格预览，避免计算过程中网格再生失败，因此这类计算是非定常计算，时间比较长，如果设置有问题将导致调试非常困难。**尺寸函数(Size Function)**通常和局部体网格重构结合使用，尺寸函数用于控制重构过程中的网格分布。简单地说，尺寸函数的功能就是在运动边界处约束网格，使其维持在一个较小的尺度，在远离运动边界处，逐步将其增大。(4)如果需要，调节网格控制参数，增加、获得较大的网格:增大 ，使边界处网格生较慢(边界周围网格较密 )，内部网格生长较快。
2024-02-01 16:01:56
427
原创 什么是XAI
可解释性AI（XAI）是指一种使AI系统的决策过程更加透明、可理解的技术和方法。它旨在帮助用户理解AI系统是如何做出决策的，包括决策的原因、方法和内容。简单来说，可解释性AI打破了AI系统的“黑盒”状态，使人们能够理解AI的内部工作原理和逻辑。
2024-01-31 08:08:57
1466
原创 动网格-网格重构之弹性光顺&局部重构法（四）
Minimum Length Scale”和“Maximum Length Scale”的取值可参考已有(初始)网格的值来合理确定，点击“Mesh ScaleInfo”将显示已有网格的尺度。某些情况下，只需要重构内部体网格，如存储分离，只有内部体网格需要重构。(1)当局部网格(体网格和面网格)的扭曲率或尺寸超过用户规定的范围时，此处网格将被重构。(1)节点的数量和节点之间的连接关系均不变，即节点之间的连接属性不变。(2)网格之间的连接属性发生改变，即节点的数量和连接关系都在改变。
2024-01-30 15:46:53
1093
原创 动网格-网格重构之铺层（三）
运动区域可以是边界区域 (Boundary Zone)，也可以是单元区域 ( Cell Zone)。指定了体网格再生方法后，FLUENT自动地根据运动区域(dynamic zones)的运动来调整内部节点以再生体网格。必须保留至少一层网格。(4)如果边面的法向和运动方向偏角较大，生成的网格扭斜度会比较大铺层算法不适用于边界形状变化较大的情况。(1)体网格再生方法的选择(Smoothing，Layering，Remeshing);(2)适用网格种类:四边形、六面体、三棱柱(网格的分布要服从一定的规则)。
2024-01-30 15:32:47
1495
原创 UDF学习（七）非稳态宏和对流宏及UDS_DIFFUCITY宏
两个宏：DEFINE_ANISOTROPIC_DIFFUSITY宏和DEFINE_DIFFUSIVITY（这个用的多）uds-1,-2,-3是开启的三个标量方程，选择一个；FLUENT UDF-DEFINE_UDS_DIFFUCITY宏。3、在材料里才会有UDS Diffusivity。UDF_DEFINE_UDS_FLUX宏。对流项的宏，可以从help文件中直接用。1、先用解释型、或者编译型导入UDF；
2024-01-29 09:50:07
797
原创 UDF学习（六）DEFINE_ON_DEMAND宏&UDS&UDM
C_UDMI(c,t,i）其中的i是不同的UDM，从0开始，最多可以开500个UDM，调用的时候也是通过标号i进行区分的；用户自定义标量输运方程：非稳态项、对流项、扩散项、源项及自定义标量输运方程返回的通用变量φ值等；关于自定义标量输运方程中，i是标号，RNG k-ξ方程，不同的i对应不同的自定义标量方程；在最后用，等他迭代完后，用于输出一些值，最大值，最小值以及其他的；C_UDSI_M1(c,t,i)中的M1是前一个时间步返回的UDSI值；C_UDSI_G(c,t,i)中的G是梯度；
2024-01-28 12:05:23
972
原创 UDF学习（五）FLUENT UDF-DEFINE_INIT宏和DEFINE_DELTAT宏和DEFINE_ADJUST宏
以此为例：DEFINE_INIT(init,domain)//一般格式cell_t c;x=xc[0];y=xc[1];else//椭圆区域内500，区域外是300，在define中的functions加载区域的UDF；然后在user-Defined中的function hooks中初始化入口init;然后再初始化入口，就可以了；**
2024-01-27 20:13:30
573
原创 UDF学习（四）FLUENT UDF-DEFINE_PROFILE宏
利用DEFINE_PROFLILE可以指定以下边界或计算域信息：DEFINE_PROFILE(name,t,i)//既可以用。
2024-01-27 20:12:16
1161
Proteus（Proteus可能是Proteus 8的简写）的下载、安装与配置环境以及基础操作
2024-05-23
北京市2001-2019年化肥施用量数据（氮肥、磷肥、钾肥、复合肥、有效灌溉面积）
2020-12-11
如何系统的学习meta分析及meta分析的主要指标参数
2020-08-13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人