基于径向偏振光的广泛应用,从理论与实验上研究了径向偏振光的产生与传输。
实验上,得用阶跃型相位跃变器在腔外将两束偏振正交的TEM00模光束分别转化为偏振正交的TEM01与TEM10模光束,利用马赫-曾德尔干涉仪将产生的TEM01与TEM10模光束进行相干叠加得到径向偏振光。
理论上,用标量衍射积分对TEM01与TEM10模光束的产生,以及通过相干叠加得到的径向偏振光进行数值模拟。
同时指出实验上的误差对产生径向偏振光的影响,以及研究了传输过程中实验上所获得的径向偏振光光斑的变化。
聚焦径向偏振光可产生极小的焦斑以及纵向场分量,因此有望在粒子加速、高分辨显微镜以及材料加工等方面得到广泛应用。
实验上,得用阶跃型相位跃变器在腔外将两束偏振正交的TEM00模光束分别转化为偏振正交的TEM01与TEM10模光束,利用马赫-曾德尔干涉仪将产生的TEM01与TEM10模光束进行相干叠加得到径向偏振光。
理论上,用标量衍射积分对TEM01与TEM10模光束的产生,以及通过相干叠加得到的径向偏振光进行数值模拟。
同时指出实验上的误差对产生径向偏振光的影响,以及研究了传输过程中实验上所获得的径向偏振光光斑的变化。
聚焦径向偏振光可产生极小的焦斑以及纵向场分量,因此有望在粒子加速、高分辨显微镜以及材料加工等方面得到广泛应用。
2024/7/6 20:37:40
2.26MB
1
有时候在厨房，我们需要一个不是那么精确的定时器，来提醒我们做一些事情。
比如煮鸡蛋、接水、烙饼等等。
使用手机定时未免太过大材小用。
所以，做了一个专用的厨用“煮蛋”定时器特性：1、基于STC15W104系列51单片机开发2、利用了STC51单片机的掉电模式，不工作时功耗极小（工作区小于25uA）3、大按键，易于操作。
4、固定定时6分钟，可以在代码中修改5、定时结束后，蜂鸣器会以最大音量长响40秒（可在代码中修改）。
6、任何时候按下RST（复位）键都是重置定时，任何时候按下STOP(停止)都可以终止计时（或鸣响）7、带有一个工作指示灯，在工作时提供指示。
8、带有一个低电量指示灯，可以在电池电量低于3.3V时指示。
比如煮鸡蛋、接水、烙饼等等。
使用手机定时未免太过大材小用。
所以，做了一个专用的厨用“煮蛋”定时器特性：1、基于STC15W104系列51单片机开发2、利用了STC51单片机的掉电模式，不工作时功耗极小（工作区小于25uA）3、大按键，易于操作。
4、固定定时6分钟，可以在代码中修改5、定时结束后，蜂鸣器会以最大音量长响40秒（可在代码中修改）。
6、任何时候按下RST（复位）键都是重置定时，任何时候按下STOP(停止)都可以终止计时（或鸣响）7、带有一个工作指示灯，在工作时提供指示。
8、带有一个低电量指示灯，可以在电池电量低于3.3V时指示。
2024/6/25 3:30:34
654KB
1
压缩吧中包含现代设计中函数单峰区间的求解代码，黄金分割法的代码和二次插值的代码，比较全面。
2024/6/24 8:38:43
9.75MB
1
Hopfield神经网络解决TSP问题利用神经网络解决组合优化问题是神经网络应用的一个重要方面。
所谓组合优化问题,就是在给定约束条件下,使目标函数极小(或极大)的变量组合问题。
将Hopfield网络应用于求解组合优化问题,把目标函数转化为网络的能量函数,把问题的变量对应到网络的状态。
这样,当网络的能量函数收敛于极小值时,问题的最优解也随之求出。
由于神经网络是并行计算的,其计算量不随维数的增加而发生指数性“爆炸”,因而对于优化问题的高速计算特别有效。
所谓组合优化问题,就是在给定约束条件下,使目标函数极小(或极大)的变量组合问题。
将Hopfield网络应用于求解组合优化问题,把目标函数转化为网络的能量函数,把问题的变量对应到网络的状态。
这样,当网络的能量函数收敛于极小值时,问题的最优解也随之求出。
由于神经网络是并行计算的,其计算量不随维数的增加而发生指数性“爆炸”,因而对于优化问题的高速计算特别有效。
2024/6/16 16:58:18
1.99MB
1
BP（BackPropagation）神经网络是一种神经网络学习算法。
其由输入层、中间层、输出层组成的阶层型神经网络，中间层可扩展为多层。
相邻层之间各神经元进行全连接，而每层各神经元之间无连接，网络按有教师示教的方式进行学习，当一对学习模式提供给网络后，各神经元获得网络的输入响应产生连接权值（Weight）。
然后按减小希望输出与实际输出误差的方向，从输出层经各中间层逐层修正各连接权，回到输入层。
此过程反复交替进行，直至网络的全局误差趋向给定的极小值，即完成学习的过程，
其由输入层、中间层、输出层组成的阶层型神经网络，中间层可扩展为多层。
相邻层之间各神经元进行全连接，而每层各神经元之间无连接，网络按有教师示教的方式进行学习，当一对学习模式提供给网络后，各神经元获得网络的输入响应产生连接权值（Weight）。
然后按减小希望输出与实际输出误差的方向，从输出层经各中间层逐层修正各连接权，回到输入层。
此过程反复交替进行，直至网络的全局误差趋向给定的极小值，即完成学习的过程，
2024/5/2 21:19:10
6KB
1
由于神经网络具有拟合非线性的能力,所以可以用神经网络来处理内部模型的非线性特性,因此这种内部模型采用神经网络的非线性PLS方法得到了广泛的应用。
传统的前馈神经网络在训练中采用梯度学习算法,网络中的参数需要迭代更新,不仅训练时间长,而且容易导致局部极小和过度训练等问题,另外其多隐层的结构也导致了样本训练速度慢,训练误差大"此外,Bartlett提出对于已达到最小训练误差的前馈神经网络,权值越小泛化特性越好,而传统的梯度学习算法仅仅考虑训练误差最小,忽视了权值大小对网络的影响,这些问题都将影响到模型的泛化特性。
传统的前馈神经网络在训练中采用梯度学习算法,网络中的参数需要迭代更新,不仅训练时间长,而且容易导致局部极小和过度训练等问题,另外其多隐层的结构也导致了样本训练速度慢,训练误差大"此外,Bartlett提出对于已达到最小训练误差的前馈神经网络,权值越小泛化特性越好,而传统的梯度学习算法仅仅考虑训练误差最小,忽视了权值大小对网络的影响,这些问题都将影响到模型的泛化特性。
2024/3/4 2:50:15
16KB
1
SSCOM32的升级版SSCOM5.12,单个文件,极小,很快!USB串口误拔后大部分不会再死机了.且回插后能自动恢复.windows7以上下可以保存窗口.通讯接口除了串口外,增加了网络TCP/IP,UDP通讯波特率自定义支持到50MBPS支持数据包加时间戳显示方式支持预定义99组数据串发送,且可设置顺序和单独的延时支持发送数据包加校验字符串发送模式支持转义符号输入支持接收数据直接保存到文件,任意大小.发送文件大小不再限制.支持STM32单片机的ISP烧写.支持数据显示为图像窗口大小,字体,背景颜色均可自定义并保存.更多功能正在持续开发中...
2024/2/16 18:40:34
406KB
1
单片机可用的json解析库，轻量级，对内存开支极小，用于stm32,51.52,msp430,avr，和泰等等各种单片机对json数据解析
2024/1/21 7:34:36
1KB
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