PROTEL 99中你可能不知道的用法

点击那个箭头,再点击Preferences,如出现如下图

涨知识——PROTEL 99中你可能不知道的用法

点击AUTO-Save SetTIng,出现如下图

涨知识——PROTEL 99中你可能不知道的用法


注解:Number保存的文件个数,TImeInterval每隔多少分钟自动保存一次,Browse,这个应该很熟悉,改变文件保存的路径。(最好是建一个文件夹专用来储存自动生成的文件)点击OK就行了。万一忘保存了,请如下操作。
第一步在Documents文件夹中,单击鼠标右键出现如下图:

涨知识——PROTEL 99中你可能不知道的用法

点击Import,出现如下图:

涨知识——PROTEL 99中你可能不知道的用法

由于我使用过多次,所以直接到了保存文件夹中,找到你保存的文件夹,看到如上图红圈保存有三个文件,选择BK2结尾的,因为那是最后一次保存。选择然后点击打开。出现如下图:

涨知识——PROTEL 99中你可能不知道的用法

我随意选择的是BK0,所以在Documents文件夹下出现了这样的文件,打开即得到最近操作保存文件!你可以将原文件AUDIO删除,将导入的保存文件的扩展名改了即可,不会影响结果!
下面讲讲加密问题!
你在新建一个工程文件时会出现以下界面,这个用过99的应该都很熟悉,设置好这些常规后,点击下图的红线圈着的Password

涨知识——PROTEL 99中你可能不知道的用法

会切换到这个界面

涨知识——PROTEL 99中你可能不知道的用法

选中YES,第一行输入密码,第二行确认。点击OK即可进入工程库操作!操作完推出后,下次打开就会提示输入密码!所以设定密码一定要记得,不然你自己都看不了了。

99面世到现在十几年了,但是很多高校还是使用它作为入门必修!学习99就一点,自己不怕软件崩溃的去尝试!崩溃了重新安装就OK了!

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 1
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