摘要：传递迁移学习是利用源域知识来提高目标域学习能力的一种学习方法，已在各种应用中被证明是有效的。
迁移学习的一个主要限制是源域和目标域应该是直接相关的，如果两个领域之间几乎没有重叠，则在这些领域之间执行知识转移将无效。
受人类传递性推理和学习能力的启发，利用辅助概念将两个看似无关的概念通过一系列中间桥连接起来，本文研究了一个新的学习问题：传递性转移学习（transitiveTransferlearning，简称TTL）。
TTL的目的是在源域和目标域直接共享少量因素的情况下，打破大的域距离，传递知识。
例如，当源域和目标域分别是文本和图像时，TTL可以使用一些带注释的图像作为中间域来桥接它们。
为了解决TTL问题，我们提出了一个框架，首先选择一个或多个域作为源域和目标域之间的桥梁，实现转移学习，然后通过这个桥梁进行知识转移。
大量的经验证据表明，该框架在多个分类数据集上产生了最新的分类精度。
迁移学习的一个主要限制是源域和目标域应该是直接相关的，如果两个领域之间几乎没有重叠，则在这些领域之间执行知识转移将无效。
受人类传递性推理和学习能力的启发，利用辅助概念将两个看似无关的概念通过一系列中间桥连接起来，本文研究了一个新的学习问题：传递性转移学习（transitiveTransferlearning，简称TTL）。
TTL的目的是在源域和目标域直接共享少量因素的情况下，打破大的域距离，传递知识。
例如，当源域和目标域分别是文本和图像时，TTL可以使用一些带注释的图像作为中间域来桥接它们。
为了解决TTL问题，我们提出了一个框架，首先选择一个或多个域作为源域和目标域之间的桥梁，实现转移学习，然后通过这个桥梁进行知识转移。
大量的经验证据表明，该框架在多个分类数据集上产生了最新的分类精度。
2024/3/19 9:12:27
1.82MB
1
针对同类多传感器测量中含有的噪声,提出了多传感器数据自适应加权融合估计算法,该算法不要求知道传感器测量数据的任何先验知识,依据估计的各传感器的方差的变化,及时调整参与融合的各传感器的权系数,使融合系统的均方误差始终最小,并在理论上证明了该估计算法的线性无偏最小方差性.仿真结果表明了本算法的有效性,其融合结果在精度、容错性方面均优于传统的平均值估计算法.
2024/3/14 6:54:06
191KB
1
区块链供应链总览这是区块链供应链解决方案的“伞”库。
该解决方案实现了端到端文档和设备数据证明方案：支持附件的存档，检索和验证。
提供了与进行交互的API。
该合同实现了证明的持久性（例如产品的实验室报告）。
核心服务更详细地解释了API。
除了与智能合约的交互之外，核心服务还实现了密钥存储，该密钥存储用于加密证明的私有部分。
建筑克隆仓库gitclonehttps://github.com/Azure/blockchain-supply-chain-solution.gitcdblockchain-supply-chain-solutiongitsubmoduleinitgitsubmoduleupdate--init--remotegitsubmoduleforeachgitcheckoutmaster本地入门-对于本地开发，您可以使用testrpc或本地geth实例。
-按照自述文件中的说明更新配置，并使用npmstart运行该服务-按照有关configuration并runninginlocalhost的说明进行
该解决方案实现了端到端文档和设备数据证明方案：支持附件的存档，检索和验证。
提供了与进行交互的API。
该合同实现了证明的持久性（例如产品的实验室报告）。
核心服务更详细地解释了API。
除了与智能合约的交互之外，核心服务还实现了密钥存储，该密钥存储用于加密证明的私有部分。
建筑克隆仓库gitclonehttps://github.com/Azure/blockchain-supply-chain-solution.gitcdblockchain-supply-chain-solutiongitsubmoduleinitgitsubmoduleupdate--init--remotegitsubmoduleforeachgitcheckoutmaster本地入门-对于本地开发，您可以使用testrpc或本地geth实例。
-按照自述文件中的说明更新配置，并使用npmstart运行该服务-按照有关configuration并runninginlocalhost的说明进行
2024/3/11 14:20:38
181KB
1
本文提出了一种三值重力搜索算法（TGSA），以解决图形的平面化问题。
问题（GPP）。
GPP是图论中最重要的任务之一，被证明是一个NP难题。
为了解决这个问题，TGSA使用三值编码方案，并根据众所周知的单行路由表示方法将搜索空间定量建模为三角超立方体。
TGSA中的相互作用由引力定律驱动，它们逐渐向全局最佳位置移动。
每个代理的位置更新规则基于两个指标：一个是速度指标，它是代理当前速度的函数，另一个是基于整个人口中的累积信息的人口指标。
为了验证算法的性能，测试了21个基准实例。
实验结果表明，TGSA可以通过找到最大平面子图并将生成的边同时嵌入到平面中来求解GPP。
与传统算法相比，TGSA的新颖之处在于它可以为GPP找到多个最佳解决方案。
比较结果还表明，在合理的计算时间内，TGSA在解决方案质量方面优于传统的元启发式方法。
问题（GPP）。
GPP是图论中最重要的任务之一，被证明是一个NP难题。
为了解决这个问题，TGSA使用三值编码方案，并根据众所周知的单行路由表示方法将搜索空间定量建模为三角超立方体。
TGSA中的相互作用由引力定律驱动，它们逐渐向全局最佳位置移动。
每个代理的位置更新规则基于两个指标：一个是速度指标，它是代理当前速度的函数，另一个是基于整个人口中的累积信息的人口指标。
为了验证算法的性能，测试了21个基准实例。
实验结果表明，TGSA可以通过找到最大平面子图并将生成的边同时嵌入到平面中来求解GPP。
与传统算法相比，TGSA的新颖之处在于它可以为GPP找到多个最佳解决方案。
比较结果还表明，在合理的计算时间内，TGSA在解决方案质量方面优于传统的元启发式方法。
2024/2/27 0:35:27
402KB
1
在现代交流伺服系统中，矢量控制原理以及空间电压矢量脉宽调制（SVPWM）技术使得交流电机能够获得和直流电机相媲美的性能。
永磁同步电机（PMSM）是一个复杂耦合的非线性系统。
本文在Matlab/Simulink环境下，通过对PMSM本体、d/q坐标系向a/b/c坐标系转换等模块的建立与组合，构建了永磁同步电机控制系统仿真模型。
仿真结果证明了该系统模型的有效性。
永磁同步电机（PMSM）是一个复杂耦合的非线性系统。
本文在Matlab/Simulink环境下，通过对PMSM本体、d/q坐标系向a/b/c坐标系转换等模块的建立与组合，构建了永磁同步电机控制系统仿真模型。
仿真结果证明了该系统模型的有效性。
2024/2/23 3:52:16
461KB
1
针对在信号检测中经常存在的噪声污染问题，本文利用小波变换进行降噪处理。
分析了小波变换降噪的理论依据、降噪处理程序以及阀值的选择，并在Matlab软件中进行了信号降噪的模拟仿真实验。
分析结果证明了小波变换良好的降噪效果。
分析了小波变换降噪的理论依据、降噪处理程序以及阀值的选择，并在Matlab软件中进行了信号降噪的模拟仿真实验。
分析结果证明了小波变换良好的降噪效果。
2024/2/22 14:48:47
159KB
1
并发加权mu－演算(concurrentweightedmu－calculus，CWC)是对Kim．G．Larsen所提出的并发加权逻辑的强有力的扩充，通过加入不动点算子，增强表达能力，实现对复杂模块化系统的有效建模。
本文对CWC进行了研究，给出了CWC的语法并阐述了CWC的标记加权转移语义。
μ－演算与自动机理论密不可分，引入了轮替树自动机用于处理CWC，阐述了轮替树自动机与CWC之间的联系，构建了一种特定的用于CWC的轮替树自动机模型。
一致性内插定理是Craig内插定理的加强和扩展，为了探究CWC上的一致性内插定理，根据AndrewM．Pitts提出的方法，利用互模拟量词寻找一致性插值。
给出了互模拟量词在标记加权转移系统上的语义，并研究了互模拟量词和CWC上一致性内插定理之间的关系。
在此过程中利用ω展开(unravelling)，由ω展开树的一系列特性，结合轮替树自动机，证明了一致性内插定理在CWC上成立。
本文对CWC进行了研究，给出了CWC的语法并阐述了CWC的标记加权转移语义。
μ－演算与自动机理论密不可分，引入了轮替树自动机用于处理CWC，阐述了轮替树自动机与CWC之间的联系，构建了一种特定的用于CWC的轮替树自动机模型。
一致性内插定理是Craig内插定理的加强和扩展，为了探究CWC上的一致性内插定理，根据AndrewM．Pitts提出的方法，利用互模拟量词寻找一致性插值。
给出了互模拟量词在标记加权转移系统上的语义，并研究了互模拟量词和CWC上一致性内插定理之间的关系。
在此过程中利用ω展开(unravelling)，由ω展开树的一系列特性，结合轮替树自动机，证明了一致性内插定理在CWC上成立。
2024/2/22 3:52:31
516KB
1
RFID定位算法研究，最近邻居定位算法是LANDMARC系统的核心算法，本文详细分析了该算法并加以改进，引入动态参考标签概念，使位置估计更准确。
实验结果证明，该改进算法提高了系统的定位精度。
实验结果证明，该改进算法提高了系统的定位精度。
2024/2/21 19:44:08
1.4MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB