尺寸链（dimensionalchain），是分析和技术工序尺寸的有效工具，在制订机械加工工艺过程和保证装配精度中都起着很重要的作用。
在零件加工或机器装配过程中，由互相联系的尺寸按一定顺序首尾相接排列而成的封闭尺寸组。
组成尺寸链的各个尺寸称为尺寸链的环。
其中，在装配或加工过程最终被间接保证精度的尺寸称为封闭环，其余尺寸称为组成环。
组成环可根据其对封闭环的影响性质分为增环和减环。
若其他尺寸不变，那些本身增大而封闭环也增大的尺寸称为增环，那些本身增大而封闭环减小的尺寸则称为减环。
在零件加工或机器装配过程中，由互相联系的尺寸按一定顺序首尾相接排列而成的封闭尺寸组。
组成尺寸链的各个尺寸称为尺寸链的环。
其中，在装配或加工过程最终被间接保证精度的尺寸称为封闭环，其余尺寸称为组成环。
组成环可根据其对封闭环的影响性质分为增环和减环。
若其他尺寸不变，那些本身增大而封闭环也增大的尺寸称为增环，那些本身增大而封闭环减小的尺寸则称为减环。
2025/1/22 22:27:26
2.16MB
1
深度学习(DeepLearning)是近年来提出的一种利用具有多个隐层的深度神经网络(DeepNeuralNetwork,DNN)完成学习任务的机器学习方法。
其实质是,通过构建具有多个隐层的神经网络模型并使用大量的训练数据来学习得到更有用的特征,进而提升模型预测或分类的准确性。
与以往的浅层神经网络的不同之处在于,深度学习主要强调了神经网络的深度(通常有大于1层的隐层),还突出了特征学习的重要性,从大数据中学习特征,这些特性可以刻画数据丰富的内在信息。
其实质是,通过构建具有多个隐层的神经网络模型并使用大量的训练数据来学习得到更有用的特征,进而提升模型预测或分类的准确性。
与以往的浅层神经网络的不同之处在于,深度学习主要强调了神经网络的深度(通常有大于1层的隐层),还突出了特征学习的重要性,从大数据中学习特征,这些特性可以刻画数据丰富的内在信息。
2025/1/19 7:51:09
10.13MB
1
物联网（InternetofThings，IoT）最近曝光率越来越高。
虽然HTTP是网页的事实标准，不过机器之间（Machine-to-Machine，M2M）的大规模沟通需要不同的模式：之前的请求/回答（Request/Response）模式不再合适，取而代之的是发布/订阅（Publish/Subscribe）模式。
这就是轻量级、可扩展的MQTT（MessageQueuingTelemetryTransport）可以施展拳脚的舞台。
虽然HTTP是网页的事实标准，不过机器之间（Machine-to-Machine，M2M）的大规模沟通需要不同的模式：之前的请求/回答（Request/Response）模式不再合适，取而代之的是发布/订阅（Publish/Subscribe）模式。
这就是轻量级、可扩展的MQTT（MessageQueuingTelemetryTransport）可以施展拳脚的舞台。
2025/1/19 0:10:27
14.1MB
1
掌握最小二乘法求解（无惩罚项lamda的损失函数）、掌握加惩罚项（2范数）的损失函数优化、梯度下降法、共轭梯度法、理解过拟合、克服过拟合的方法(如加惩罚项、增加样本)
2025/1/18 14:19:35
6MB
1
C#源码，用于局域网两台机器间传输文件和文本，看到下载需要的积分变成47了，不知道什么原因。
。
。
。
改了一下，调整回0积分了。
。
。
。
改了一下，调整回0积分了。
2025/1/13 15:03:27
88KB
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