- 博客(354)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Hermes使用Web Dashboard可视化配置“邮件”完整步骤
还是不能正常连接邮箱，则可以重新执行如下命令，相当于全部过程重新做一遍，如果以上步骤执行过程中已经看到了Gateway already running，说明网关已启动，则可以跳过这个步骤。启动后台网关服务hermes gateway start执行时，会创建 Windows 计划任务（开机自启网关）需要管理员权限，普通 PowerShell 无权调用schtasks。使用命令的方式，启动和重启网关，这一步的命令先不要执行，只是了解掌握，用于备查，从3.2开始操作。如果是使用360浏览器，可以直接翻译网页。
2026-07-11 00:15:00
89
原创 Windows11 可视化配置 Hermes Agent的对话大模型
Hermes Agent中的对话功能，是依赖于我们接入的大模型的。所以想要使用Hermes Agent的对话功能，就要先接入大模型。所以根据界面上不同模型的编号来输入数字进行选择，之后按“回车”。我们可以在hermes中配置多个模型，针对不同的任务，直接使用不同的模型，避免通过浏览器来打开多个不同的官方网站。所以根据界面上不同模型的编号来输入数字进行选择，之后按“回车”。这里看到有各种模型，但是不能直接配置，只能通过powershell来配置。至此，hermes的kimi大模型就配置完了。
2026-07-10 18:25:00
53
原创 Windows11 完整手动安装 Hermes Agent 全流程（简化版）
路径为：C:\Users\Administrator\AppData\Local\hermes\hermes-agent\.venv\Scripts（将Administrator改成自己电脑的用户名称）正常输出：C:\Users\Administrator\AppData\Local\hermes\hermes-agent\.venv\Scripts。在源码目录（C:\Users\Administrator\AppData\Local\hermes\hermes-agent）创建venv虚拟环境。
2026-07-10 17:19:09
54
原创 Windows11 完整手动安装 Hermes Agent 全流程
点击后，会访问 gyan.dev ，再点击 ffmpeg-release-full.7z 就是 Hermes Agent 需要的完整 Release 稳定版（这个要最新版本），专门适配 Windows 64 位，TTS 语音、音频转码、多媒体处理全部依赖都齐全。路径为：C:\Users\Administrator\AppData\Local\hermes\hermes-agent\.venv\Scripts（将Administrator改成自己电脑的用户名称）添加到“系统变量”或是“用户变量”中。
2026-07-10 17:10:49
164
原创 多传感器融合基础之六鸟瞰图空间（BEV Space）全面解析
多传感器融合基础之六鸟瞰图空间（BEV Space）全面解析 鸟瞰图空间（Bird’s Eye View Space，简称 BEV 空间）是多传感器融合体系中最具“工程智慧”的测量空间之一。它并非由某种传感器直接原生输出，而是从图像、点云、深度图或雷达检测等原始测量空间中经过精心设计的数学变换派生而来的表示层。用最直观的话说，BEV 空间就是“从正上方俯视场景的一张特征地图”——它将三维世界中分布在自车周围各个高度上的物体和道路元素，压缩或投影到一个覆盖一定范围的水平网格上，使得感知系统可以在
2026-07-01 20:57:53
286
原创 多传感器融合基础之五体素空间（Voxel Space）全面解析
多传感器融合基础之五体素空间（Voxel Space）全面解析 体素空间是多传感器融合体系中最具“空间容积感”的测量空间。当激光雷达点云被栅格化为整齐的三维网格，当多帧深度图被融合进一个截断符号距离场，当自动驾驶系统在向量空间内规划出一条无碰撞的路径，这些操作背后的共同数据载体就是体素——三维空间中规则排列的立方体单元。与图像空间在二维平面上规则采样、深度图空间在二维网格上携带一维几何、点云空间在三维空间中离散分布、雷达检测空间在极坐标下稀疏测量不同，体素空间的核心特征在于它对三维体积的完整划
2026-06-26 22:51:08
360
原创 多传感器融合基础之四雷达检测空间（Radar Detection Space）全面解析
多传感器融合基础之四雷达检测空间（Radar Detection Space）全面解析 雷达检测空间是多传感器融合体系中最具“物理测量”色彩的一类测量空间。与图像空间通过被动接收可见光来记录纹理、深度图空间通过主动或被动手段来获取表面距离、点云空间通过离散采样来刻画三维几何不同，雷达检测空间的核心特征在于它直接测量电磁波在传播路径上遇到目标后反射回来的物理量——不仅包括目标在空间中的位置，更包括了目标相对于传感器的径向速度，以及反映目标材质与形状的反射强度。这种独特的物理测量能力，使雷达检测空
2026-06-26 12:48:44
525
原创 多传感器融合基础之三点云空间（Point Cloud Space）全面解析
多传感器融合基础之三点云空间（Point Cloud Space）全面解析 点云空间是多传感器融合体系中最具“物理实在感”的测量空间。当激光雷达在自动驾驶车顶旋转，当结构光扫描仪掠过文物表面，当多视角立体匹配算法从数百张照片中恢复出建筑的三维轮廓，它们所生成的最终产物都指向同一个数学对象——三维空间中的离散点集。 这个点集没有图像网格的整齐划一，没有深度图的视角锚定，它只是数百万个漂浮在欧氏空间中的点，每个点携带自己的坐标和可能的附加属性，以最朴素的方式直接刻画物体表面的几何形态
2026-06-16 16:12:14
539
原创 多传感器融合基础之二深度图空间（Depth Map Space）全面解析
多传感器融合基础之二深度图空间（Depth Map Space）全面解析 深度图空间是多传感器融合体系中一个极为特殊且重要的测量空间。它既不完全属于二维图像空间的范畴，也并非三维点云空间的直接等价物，而是恰好站立在两者之间的分界线上，以二维网格为骨架，以三维几何为灵魂，构成了一座连接外观与形状、纹理与尺度的桥梁。在自动驾驶、机器人导航、增强现实以及三维重建等几乎所有涉及真实世界感知的领域中，深度图空间都扮演着一个承上启下的中枢角色——它从图像空间继承了规则的数据结构与邻域拓扑，又将每一个像素从
2026-06-16 12:32:27
382
原创 多传感器融合基础之一图像空间（Image Space）全面解析
多传感器融合基础之一图像空间（Image Space）全面解析从最直观的体验出发，当我们举起手机拍摄一张照片，或者通过显示器浏览一幅数字图像时，我们实际上在接触一种被精心规整过的视觉信息载体——图像空间。这个空间将连续的光学世界切割成数以百万计的微小方块，每个方块记录一个独立的颜色值，最终拼合成我们所看到的画面。在计算机视觉与多传感器融合的宏大版图中，图像空间是诞生最早、研究最透、应用最广的测量空间，它以一种极度有序的方式编码了三维世界在某个视角下的二维投影。然而，这个看似简单的二维网格背后，隐藏着一整套几
2026-06-15 18:24:48
424
原创 Windows10安装龙虾（openclaw）
命名由来：在开发者社区被称为“龙虾”，因其跨平台适配广、操作灵活、能深入底层操作的特性，与“Claw”（龙虾钳）的寓意高度契合，便于交流传播且辨识度高[9]。（3）Skills（技能）：通过插件化设计赋予AI多样化能力，如读写文件、控制浏览器、操作Office软件、自动化车辆选购、代码仓库迁移等。（1）Gateway（网关）：负责与用户交互的入口，支持通过WhatsApp、Slack、飞书、微信等数十个即时通讯工具作为交互界面。1日：正式发布v2026.3.31版本，修复已知漏洞并优化性能；
2026-05-10 08:34:46
144
原创 一致性联盟算法CBCA：分布式多智能体协同任务分配的深度解析
其二，已执行的路径长度——机器人越接近目标点，违约越不划算；如果发生冲突的联盟数量已经超过任务所需的数量上限——比如一个需要3架无人机执行的任务，却有4个不同的智能体都声称自己是中标者——则每个智能体从其视角下的候选联盟中剔除效能最小的成员。值得注意的是，智能体在选择任务时需要评估该任务在任务序列中不同插入位置对整体路径的边际影响，以确保任务包的内部顺序是合理的。具体操作中，受影响的节点可以通过任务的空间位置与智能体位置的接近性、任务类型与智能体能力的匹配度、以及任务价值与现有任务分配的冲突程度来判定。
2026-05-05 20:21:11
94
原创 Windows Server 2022 + phpstudy_pro Nginx阿里云DigiCert SSL手动完整部署
阿里云上，购买了云服务器和域名，安装的是Windows Server 2022 Datacenter操作系统，里面部署了phpstudy_pro，现在有一个PHP网站，使用的。进入【域名与网站】控制台，可以访问官方网址：https://dc.console.aliyun.com/#/overview查看。阿里云提供很多种SSL证书，有免费和收费的，免费的有效期只有3个月，3个月之后就要重新签发，再部署。之后点击【添加规则】。进入【云服务器 ECS】控制台，点击ECS的【安全组】，再点击【管理规则】。
2026-04-20 21:08:39
592
原创 帕累托前沿（Pareto Frontier）——从数学原理到复杂系统决策的哲学
本文旨在通过超过深度剖析，从帕累托的原始定义出发，逐步深入到其数学结构、求解算法、在高维空间中的退化问题，以及在人工智能、碳中和、供应链等前沿领域的最新应用。在同属于同一个前沿层级的个体中，计算每个个体在目标空间中与邻居的距离。在某种意义上，理解帕累托前沿，就是理解我们如何在矛盾中寻找平衡，如何在不确定性中做出选择，如何在有限的世界里追求无限的可能。随着技术的发展，我们求解帕累托前沿的能力越来越强（从二维到高维，从静态到动态），但决策的本质从未改变：在充分理解权衡关系的基础上，做出符合价值观的选择。
2026-04-09 18:13:00
1451
原创 AI赋能文献综述：从选题到成文的全流程工作流与免费工具箱（以消费级无人机路径规划为例）
路径规划是消费级无人机自主飞行的核心技术，其目标是在三维空间、动态环境与机载资源约束下，规划安全、高效、可行的飞行路径。Smith等（2023）提出基于深度强化学习（DRL）的动态路径规划算法，在城市动态障碍物场景下，避障精度比传统A*算法提升40%，但计算复杂度高，机载端部署困难。TSCNN（时序卷积神经网络）算法可通过无人机摄像头实时感知环境，预测飞行轨迹，适用于隧道、森林等无GPS信号的复杂场景，但依赖大量标注数据，泛化能力有限。混合算法：将传统算法与AI算法结合，兼顾效率与精度。
2026-04-03 23:17:00
1084
原创 学术AI问答工具Consensus：探究研究问题的学界共识——2026最新版深度使用教程与高水平论文写作指南
这一具体研究领域展开实战演示，从工具基础认知、注册登录、核心功能操作、高阶使用技巧，到论文写作全流程赋能、常见问题避坑，进行全方位、无偏差的深度解析，助力研究者掌握Consensus的核心用法，借助AI工具突破传统科研瓶颈，写出逻辑严谨、论据扎实、创新点突出的高水平学术论文。它不直接生成主观结论，而是从海量权威文献中提取客观证据，统计不同立场的文献占比，可视化呈现学界对某一研究问题的共识程度、争议焦点与证据强度，同时自动提炼核心论据、关联权威引用，为学术研究提供可验证、可追溯的客观依据。
2026-04-03 16:19:13
2364
1
原创 文献关系可视化与智能发现工具Research Rabbit深度使用教程（基于2026最新版）
解决：①替换种子文献为高被引核心综述；以消费级无人机路径规划为例，从3-5篇种子文献出发，可快速生成覆盖领域全脉络的知识图谱，精准定位核心文献、关键作者、研究空白，最终写出逻辑严谨、论据扎实、创新点明确的高水平文献综述与学术论文。「Similar」（相似文献）+「References」（前驱文献，即种子的参考文献）+「Citations」（后继文献，即引用种子的文献）。基于消费级无人机路径规划文献框架与核心文献，生成一篇逻辑严谨、论据充分的文献综述初稿，分算法、应用、挑战、空白四部分，每部分引用核心文献。
2026-04-02 22:14:05
2898
原创 国内外类似Semantic Scholar的免费文献溯源工具（2026年总结）
所以，我们希望通过探寻一篇文章相关的引文网络，直至溯源到高被引核心论文，所以我们需要一个文献溯源工具，再结合AI功能，能够提炼主要观点。”，按“被引次数”排序，快速定位国内高被引核心论文（如《无人机三维路径规划算法综述》）；传统算法：优势（效率高）、劣势（动态适应性差）、代表文献（Zhang 2012）；，覆盖中文期刊、学位论文、会议论文、预印本、专利，同时整合英文文献。，覆盖期刊、预印本、学位论文、专利、图书章节，无学科限制；（论文、预印本、专利、数据集），覆盖所有学科，引文关系超。，生成完整引文脉络；
2026-04-02 22:05:44
1319
原创 STM32F103C8T6的GPIO接口深度解析（基于MCD V3.5.0固件库）
CRL/CRH寄存器的CNF [1:0]和MODE [1:0]位，这两个字段共同决定了GPIO引脚的电平翻转速度特性，其中MODE位主要控制输出模式下的驱动能力与响应时间，而速度参数直接决定了引脚在输出模式下能够支持的最大电平翻转频率，从而影响信号完整性与外设通信的可靠性。：在寄存器配置中，模式编码由高4位和低4位共同组成，其中高4位用于标识具体的配置类型，低4位则对应于CRL和CRH寄存器中的CNF与MODE位组合，通过这种结构化的编码方式可以精确控制每个引脚的功能和电气特性。
2026-03-10 12:21:39
129
原创 STM32F103C8T6的I2C接口深度解析（基于MCD V3.5.0库）
• 标准模式（100kHz）→ 快速模式（400kHz）：修改I2C_ClockSpeed为400000，CCR值重新计算（APB1=36MHz时，CCR=45）；• I2C_Init(I2C_TypeDef* I2Cx, I2C_InitTypeDef* I2C_InitStruct)：根据配置结构体初始化 I2C；本文从协议原理、库架构、开发流程、问题调试、实际应用等维度对I2C接口进行了深度解析，覆盖了蓝鸟飞控I2C开发的全流程，可作为飞控底层驱动开发的核心参考。任一设备拉低总线，整体即为低电平。
2026-03-07 22:49:22
162
原创 STM32F10x HAL库深度解析（适配蓝鸟四轴飞控场景）
相较于F4xx，F10xHAL库虽功能精简，但通过合理的资源分配和优化策略，完全能满足四轴飞控的核心需求（姿态解算、电机控制、传感器通信），是入门级飞控开发的最优选择。前文我们介绍了“STM32系列微控制器HAL库（底层驱动库）的深度解析”https://lzm07.blog.csdn.net/article/details/158742052，然而，STM32系列有很多规格，今天我们就介绍STM32F10x。相较于STM32F4xx HAL库，F10x HAL库在。
2026-03-06 23:19:25
244
原创 STM32系列微控制器HAL库深度解析（基于蓝鸟四轴飞控工程）
蓝鸟飞控的HAL文件夹在ST官方结构的基础上，结合四轴飞控的业务需求进行了精准裁剪和优化，核心外设（GPIO、UART、TIM、SPI、I2C、ADC）的HAL驱动实现了传感器数据采集、电机控制、通信链路等核心功能。的状态值（HAL_OK、HAL_ERROR、HAL_BUSY、HAL_TIMEOUT），便于飞控工程中对硬件操作的异常进行捕获和处理（如传感器通信失败、串口发送超时等），提升了系统的鲁棒性。
2026-03-06 19:47:51
114
原创 VL53L1X激光测距定高传感器API深度解读
ST官方VL53L1X API是面向硬件底层的标准化、流程化驱动，其核心设计围绕ToF测距原理和工程化应用展开，通过分层模块、严格的调用流程、可配置的参数、结构化的输出，实现了传感器硬件与主机（无人机飞控）的高效对接，同时通过三大校准解决了硬件误差和安装误差，保证了测距精度。：所有API函数的返回值均需检测，若触发错误码（如VL53L1_ERROR_TIME_OUT、VL53L1_ERROR_XTALK_EXTRACTION_FAIL），执行重试机制（重试3次），仍失败则判定传感器故障；
2026-03-02 16:36:43
106
原创 无人机定高模块VL53L1X API用户手册
函数 VL53L1_GetCalibrationData()可获取全部校准数据。返回的结构 VL53L1_CalibrationData_t 还包含一个名为VL53L1_customer_nvm_managed_t的子结构。返回的结构VL53L1_CalibrationData_t 还包含一个名为VL53L1_customer_nvm_managed_t的子结构。(algo__part_to_part_range_offset_mm) 并调用 VL53L1_SetCalibrationData() 函数。
2026-02-14 10:44:48
388
原创 蓝鸟四轴飞控系统C程序V3.0（基础版本）深度解读
2. 解析遥控通道数据（油门 / 横滚 / 俯仰 / 偏航），转换为标准化值（-1000~+1000）；3. 封装PID初始化（PID_Init，配置KP/KI/KD、输出限幅、积分限幅）；，包含姿态角（Attitude_Data.Roll/Pitch/Yaw）、角速度（Gyro_Data.X/Y/Z）、遥控值（RC_Data[0~5]）、电池电压（Bat_Volt）、电机PWM值（Motor_PWM[0~3]）、系统状态（Sys_State），校验和通过Check_Sum()函数计算；
2026-02-14 04:00:00
296
原创 蓝鸟四轴飞行器初版V3.0（六）——软件设计
函数是协议数据解析函数，函数参数是符合协议格式的一个数据帧，该函数会首先对协议数据进行校验。校验通过后对数据进行解析，实现相应功能，此函数可以不用用户自行调用，由函数DataReceive_Prepare自动调用。这个是一个矩阵运算过程，如果有兴趣的可以参考PDF资料的四元数。以理解，新手可以先暂时略过，上位机的作用是地面站学习六轴传感器数据和三维姿态角度用，同时上位机作为观测滤波数。，经验整定法以实际现象为主，实时角度控制波形终究是理论上，实际看不出什么控制曲线，还不如观察现象调试。
2026-02-13 22:30:35
276
原创 蓝鸟四轴飞行器初版V3.0（五）——通信协议详解
硬件类型、硬件版本、软件版本、协议版本、Bootloader版本。设置定位模式、基站数量、场地尺寸、偏移量、滤波强度、输出内容等；：遥控通道、校准命令、PID读写、航点设置、IAP升级等；校准命令（ACC、GYRO、MAG、BARO、6面校准）飞控状态、传感器、PID、GPS、定位、电源等数据上传；：状态、传感器、PID、GPS、定位、电源等信息；横滚角、俯仰角、偏航角、高度、飞行模式、解锁状态。读取PID、飞行模式、航点数量、版本、恢复默认等。校准、调参、航点、数传、定位、IAP等下行命令；
2026-02-13 19:22:16
193
原创 蓝鸟四轴飞行器初版V3.0（四）——通信协议与航模遥控通道
航模中的遥控和飞控传递的信息采用匿名上位机里定义的通信协议。据格式是采用航模标准的航模数据通道格式。通道的格式和通道的排序都是标准的航模通道格式。值是1500，增大可到2000，减小可到1000）遥控通道即遥控设备同时可以控制的动作数量。遥控器上的各个通道都表示。数值都在1000~2000。发送一次有效字节，2。
2026-02-11 22:56:49
174
原创 蓝鸟四轴飞行器初版V3.0（三）——主控硬件设计
此外，电路中的肖特基二极管起到续流作用，保证能量的连续传递。在四轴飞行器飞行过程中，电池电量持续下降，当电压降低到某一阈值时，可能会出现瞬时电压低于3.3V的情况，此时常规稳压电路可能无法正常工作，导致输出电压中断。各类接口应布置在电路板的边缘位置，例如四个电机接口以及四个指示灯接口，应分别位于电路板的四个角落，以方便接线并提高整体结构的协调性。（3）传感器的布局和布线要格外注意：传感器配套的电容应尽可能靠近传感器放置，同时传感器底部应设置大面积的接地铜皮，这样不仅有助于散热，还能有效减少外界干扰。
2026-02-11 22:50:30
336
原创 蓝鸟四轴飞行器初版V3.0（二）——飞控所用到的相关理论
ω4与ω2的转速之和与ω1和ω3的转速之和不相等（即ω4+ω2≠ω1+ω3）时，会在水平面内形成净扭矩差，该扭矩差将作为驱动力促使飞行器绕垂直轴发生偏航运动，进而表现为水平方向上的旋转动作，这就是。其典型结构特征是，飞行器的机头方向位于两个相邻电机的夹角之间，这种设计有助于提升飞行器在复杂飞行状态下的可控性和响应性能。由于四轴飞行器共有四个电机，因此通常需设计四路PWM输出信号，分别驱动四个NMOS管来控制相应电机，通过对各电机转速的协调控制，最终实现飞行器的稳定飞行与姿态调整。姿态解算方法的选型。
2026-02-08 20:19:33
391
原创 画PCB板软件AD15安装配置教程
打开“DXP”--> “Preferences”--> “System”--> “General”，勾选上“Use localized resource”。这里的证书文件，也是在安装路径C:\Program Files (x86)\Altium\AD15下，找到文件名称为“NB201601.alf”的文件。在项目名称上右键-->“给工程中添加新的”-->“Schematic”。在项目名称上右键-->“给工程中添加新的”-->“PCB”。点击“文件”-->“New”-->“Project”。
2026-02-08 16:14:16
362
原创 YOLOv8训练过程日志-深度解析
特别值得注意的是不同类别的性能差异：phone类别的召回率达到0.462，明显高于car类别的0.286，这可能源于两个类别在训练数据中的分布差异、目标特征的明显程度等因素。值得注意的是，损失函数的下降过程并非单调的，而是存在一定的波动，这是梯度下降优化的正常现象。值得注意的是，虽然训练提前停止，但模型已经学习到了有意义的特征表示，这为后续的微调或迁移学习奠定了基础。的训练中，这些指标虽然数值较低，但这在小型数据集和有限训练时间的条件下是正常的，重要的是观察这些指标在训练过程中的变化趋势。
2025-11-28 21:10:36
1504
原创 基于YOLOv8的目标检测系统全流程开发指南
处理的流程是：（1）根据格式问题，仅处理掉那些非图片格式的文件，通过后缀判断，减少了通过读取文件读取的内容分析，以提升处理速度；（3）第三步就是这已经是图片，同时也是彩色图片，但也可能是两张一样的图片，判断图片的内容是否相同，有多种方法，如果是两张图片的哈希值相同，肯定就是同一张图片，或是读取图片的内容，逐一对应单元的比较，来确定是同一张图片。在依据图片后缀和图片的通道处理之后，应该能移除较多的非需要的文件，但是依然可能存在后缀和通道都满足要求，且是两张相同的图片的情况，这时我们也要将重复的图片进行移除。
2025-11-28 01:35:23
180
原创 YOLOv8目标检测技术：从原理到Windows本地化部署的完整指南
YOLOv8以其无锚框的简洁设计、强大的特征融合能力（C2f, PAN-FPN） 和先进的训练策略（Task-Aligned Assigner, DFL），在精度和速度上达到了优异的平衡。在深度学习兴起之前，传统的目标检测方法主要依赖于手工设计的特征（如HOG、SIFT等）和分类器（如SVM），但性能存在瓶颈。，进行双向融合，生成三个（或更多）富含多尺度信息的特征金字塔：P3（下采样8倍，80x80分辨率）、P4（下采样16倍，40x40分辨率）、P5（下采样32倍，20x20分辨率）。
2025-11-17 01:26:28
218
原创 基于感知哈希算法的图片相似度检测与去重系统
其核心思想是利用人类视觉系统的特性，将图像内容转换为固定长度的二进制串（哈希值），使得视觉上相似的图像具有相似的哈希值。该系统能够自动扫描指定文件夹中的图片文件，计算各图片的感知哈希值，通过比较哈希值之间的汉明距离来判断图片相似度，并对相似度较高的图片进行选择性删除。传统的基于文件名的去重方法已无法满足实际需求，因为即使内容相同的图片，如果经过重命名、格式转换或轻微编辑，也会被识别为不同文件。感知哈希通过DCT变换提取图像的低频信息，对图像的几何变换和颜色变化具有更好的鲁棒性，是三种算法中效果最好的。
2025-11-07 12:07:53
1517
原创 CIFAR-10数据集查看与下载原图
将代码保存为Python文件（如extract_cifar10.py），确保CIFAR-10数据集路径正确，CMD运行脚本，所有图像将自动保存到执行文件所在目录的cifar10_images文件夹中。注意：CIFAR-10的图像数据是3072维的向量，前1024维是红色通道，中间1024是绿色，最后1024是蓝色。同时，当前仅可以看到一张图像，假如我们需要所有的图像，则需要其他操作。新建一个python代码文件，将以上代码放在前面的解压目录里，通过CMD进入目录，再执行python文件，即可看到图像。
2025-11-07 11:38:42
1295
原创 中国计算机相关领域2025年发文期刊整理
其实，很多单位，目前评职称是只认《中文核心期刊要目总览》的，目前《总览》最新的版本是2023年版，由北京大学图书馆陈建龙、张俊娥主持，联合32家科研机构及高校的148位专家共同编撰，2024年北京大学出版社出版，是自1990年研究启动以来的第十版成果。·研究领域：计算机科学技术，包括：建筑、软件、人工智能、理论计算机科学、网络与通信、信息系统、多媒体和图形、信息安全、跨学科等。·研究领域：实验生物学、理论生物学、计算生物学、系统生物学、合成生物学、数字和人工智能生物学相关的所有学科。
2025-10-27 12:27:00
6681
原创 TensorFlow框架中神经网络模型设计流程
网络模型的实际计算过程会复杂的多，输出的结果往往也与输入数据不再具有相同的维度，这是因为我们需要的模型功能不尽相同。在前向传播过程中，我们完成了模型结构的设计，在反向传播中，我们完成了模型内参数的调整优化，此时，就需要将这二者都保存起来，在需要的时候重新组合在一起，实现具体的识别任务。该环节规定了模型的输入数据形式，计算的过程函数，以及输出数据的形式，这里的数据形式主要指的是数据的矩阵维度以及数值类型。如动物识别中的输入数据就是动物的照片，而照片型的输入数据就需要规范照片的宽高大小，以及颜色通道模式。
2025-10-24 21:48:41
374
原创 基于机器学习的异常流量检测系统的设计与实现（原创）
基于Flask-SQLAlchemy ORM框架，实现数据库表与Python类的映射，封装数据的增删改查（CRUD）操作，向上层业务逻辑层提供统一的数据访问接口，屏蔽数据库底层实现细节（如SQL语句拼接、事务管理等），确保数据操作的安全性和一致性。（1）站点管理与流量监测：站点管理中添加的站点是流量监测的对象，站点的配置信息（如URL、日志路径、检测类型、阈值等）决定了流量监测的方式和参数。（4）站点管理与流量预测：流量预测是针对具体站点的，根据该站点的历史流量数据进行预测。
2025-09-29 21:34:46
1236
原创 中越跨境物流管理系统的设计与实现（原创）
功能说明：修改已存在仓库的非核心信息（核心标识“仓库ID”不可修改），包括仓库名称、地址、联系人、容量、状态等，修改“仓库名称”或“国家”时需重新校验“仓库名称+国家”的唯一性，且若仓库已关联库存商品（即有商品归属该仓库），状态不可从“启用”改为“禁用”（需先转移库存），避免影响库存操作。功能说明：创建新的仓库记录，录入仓库基础信息及联系人信息，设置仓库初始容量和状态，新增仓库默认状态为“启用”（可手动改为禁用），且“仓库名称+国家”组合需唯一（避免同一国家内出现重名仓库），确保仓库标识的唯一性。
2025-09-01 21:41:15
1505
3
非凸优化算法的测试函数Goldstein-Price函数（Goldstein-Price function）的Python代码，实现3D效果
2024-12-19
非凸优化算法的测试函数Easom函数（Easom function）的Python代码，实现3D效果
2024-12-19
非凸优化算法的测试函数Michalewicz函数（Michalewicz function）的Python代码，实现3D效果
2024-12-19
非凸优化算法的测试函数Levy函数（Levy function）的Python代码，实现3D效果
2024-12-19
非凸优化算法的测试函数Three-hump camel函数（Three-hump camel function）的Python代码，实现3D效果
2024-12-19
非凸优化算法的测试函数Eggholder函数（Eggholder function）的Python代码，实现3D效果
2024-12-19
非凸优化算法的测试函数Schwefel函数（Schwefel function）的Python代码，实现3D效果
2024-12-19
非凸优化算法的测试函数Ackley函数（Ackleyfunction）的Python代码，实现3D效果
2024-12-19
非凸优化算法的测试函数Griewank函数（Griewank function）的Python代码，实现3D效果
2024-12-19
非凸优化算法的测试函数Cross-in-Tray函数（Cross-in-Tray function）的Python代码，实现3D效果
2024-12-19
非凸优化算法的测试函数Rastrigin函数（Rastrigin function）的Python代码，实现3D效果
2024-12-19
非凸优化算法的测试函数Rosenbrock函数（Rosenbrock's function）的Python代码，实现3D效果
2024-12-19
vue3实现自定义导航菜单的案例代码
2024-11-28
Vue 3中实现多个自定义组件之间的切换的案例代码
2024-11-27
vue2自定义注册和登录组件并实现在页面中切换的案例代码
2024-11-27
文生图模型stable-diffusion-webui
2025-08-06
基于Python、tkinter、sqlite3 和matplotlib的校园书店管理系统
2025-06-21
一个完整的 Double Q-Learning示例（python实现）
2025-06-05
将图形可视化工具的 Python 脚本打包为 Windows 应用程序
2025-06-05
基于Python的tkinter库的图形可视化工具（15种图形的完整代码）
2025-06-04
基于Python的tkinter库开发的一个图形可视化工具（完整代码）
2025-06-03
从零开始构建一个小型字符级语言模型的完整python示例代码
2025-02-20
DeepSeek-R1-Distill-Qwen-1.5B-Q8-0.gguf（第一部分）
2025-02-14
DeepSeek-R1-Distill-Qwen-1.5B-Q8-0.gguf（第二部分）
2025-02-14
DeepSeek基于DeepSeek-R1-1.5B.gguf的RAG微调项目完整文件包（第一部分）
2025-02-11
DeepSeek基于DeepSeek-R1-1.5B.gguf的RAG微调项目完整文件包（第二部分）
2025-02-11
DeepSeek基于DeepSeek-R1-1.5B.gguf的RAG微调项目完整文件包（第三部分）
2025-02-11
Visual Studio Build Tools之vs-BuildTools-2025.2.9.exe
2025-02-09
Git-2.47.1.2-64-bit-2025.2.9.exe
2025-02-09
cmake-3.31.5-windows-x86-64-2025.2.9.msi
2025-02-09
DeepSeek大模型的DeepSeek-R1-Distill-Qwen-1.5B-GGUF版本，2025.2.6最新版的安装包OllamaSetup.exe
2025-02-07
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人