柏林初创推出复古电动四轮车Duo Moke

点击 欧盟IT那些事 关注我们

公告:因企鹅审核规定,本公众号从《德国IT那些事》更名为《欧盟IT那些事》。

Duo Moke是柏林创业公司Urban Drivestyle推出的电动四轮车,外形复古。

Duo Moke在法律上是多车道自行车,因此既不需要上保险,也不需要驾驶执照。允许使用自行车专用车道。基于这些原因,它非常适合于本地通勤或负载运输(比如外卖送餐)。

从外观上看,Duo Moke与沙滩车很相近,Duo Moke是一款可乘载多人的电动脚踏自行车。最大有效载荷为150公斤,相当于两个体重正常的人。其它负载组成也是可行的,不过可能无法运输三人以上。Duo Moke的钢和铝结构的自重为120公斤,相对较重。因此,购买者需要为其提供地面停靠场所。

由于载人总重量可能达到270千克,因此Urban Drivestyle不得不安装对于锂离子电池和电动机。Duo Moke通过电动机后轴驱动,该电动机的功率为250瓦,扭矩为80牛顿米。所使用的电池续航里程可达60公里,并通过Duo Moke外壳顶上的太阳能电池另外提供能量。

踏板位于前轮的正后方, 可调式座椅可以更舒适地调节踏板位置。乘客坐在驾驶员后轮左右两侧的座椅板上,也可以将驾驶员后面的区域用作运货空间。对于其他重要部件,这家位于柏林的公司由Shimano生产变速箱,由Tektro生产制动器,并由Kenda生产20英寸轮胎。视觉上非常复古,这主要归功于醒目的7英寸钣金大前灯。

Duo Moke的宽度为80,长度为170厘米,相对紧凑。这至会使驾驶者成为最让其它自行车骑行者讨厌的自行车道使用者。目前尚不清楚该公司何时将推出Duo Moke,但隐约表示了约5000欧元的价格。 对其提供的灵活性和性能来说,这可能是一个相当不错的价格。

这车外形的确挺漂亮的,但这实用性和这5000欧的价格,你会买吗?

本月新闻&文章回顾

可向下滑动

2020.11新闻&文章回顾

2020.10新闻&文章回顾

2020.09新闻&文章回顾

2020.08新闻&文章回顾

2020.07新闻&文章回顾

2020.06新闻&文章回顾

2020.05新闻&文章回顾

2020.04新闻&文章回顾

2020.03新闻&文章回顾

2020.02新闻&文章回顾

2020.01新闻&文章回顾

点了在看,年薪百万

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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