自2020年提出“双碳”目标以来，亟需数字技术与能源行业深度融合，真正实现能源清洁低碳转型与数字化升级。
开务数据库聚焦“数字能源”领域，为用户打造数字化能源管理平台，提升综合能源和碳资产管理能力。
本期我们将围绕“数字能源”主题，由开务数据库研发工程师李刘鹏老师为大家引见《数字能源边缘实时计算实践》。
李老师长期专注于时序数据的存储与运算、实时计算等领域，目前负责数字能源边缘端研发工作，具备丰富的开发与管理经验。
传统能源行业涉及数据信息错综复杂，不仅需要采集各类设备实时运行的状态数据，同时还需围绕采集数据进行实时计算、分析及预测。
本期直播将围绕边缘实时计算实践中使用的go-streams组件的技术原理、实现以及优化策略，深入解析开务数据库在边缘实时计算中的落地实践。
开务数据库聚焦“数字能源”领域，为用户打造数字化能源管理平台，提升综合能源和碳资产管理能力。
本期我们将围绕“数字能源”主题，由开务数据库研发工程师李刘鹏老师为大家引见《数字能源边缘实时计算实践》。
李老师长期专注于时序数据的存储与运算、实时计算等领域，目前负责数字能源边缘端研发工作，具备丰富的开发与管理经验。
传统能源行业涉及数据信息错综复杂，不仅需要采集各类设备实时运行的状态数据，同时还需围绕采集数据进行实时计算、分析及预测。
本期直播将围绕边缘实时计算实践中使用的go-streams组件的技术原理、实现以及优化策略，深入解析开务数据库在边缘实时计算中的落地实践。
2019/8/9 19:32:50
1.66MB
1
欧元兑美元（EUR/USD），2020年上半年1月-6月，买卖历史流水，账户投入100美元，盈利546.3美元，盈利5倍！提供策略EA文件。
2015/9/24 6:23:11
228KB
1
风电机组偏航系统具有高度的非线性与不确定性，采用传统的基于精确数学模型控制方法用于风电机组偏航系统，难以获得期望的稳定性、鲁棒性等控制功能。
针对以上问题，借鉴传统静态神经网络的逆系统控制方法，并根据非线性自回归平均模型（NARMA-L2），给出了基于合作粒子群算法（CPSO）的PID神经网络控制策略（PIDNNC），并基于该策略设计了PIDNNC积分合成控制系统，提出了基于该策略的PIDNN神经网络控制系统设计方法。
通过建立偏航系统的仿真模型进行仿真实验，并与PID控制器的控制效果进行比较，表明该控制策略
针对以上问题，借鉴传统静态神经网络的逆系统控制方法，并根据非线性自回归平均模型（NARMA-L2），给出了基于合作粒子群算法（CPSO）的PID神经网络控制策略（PIDNNC），并基于该策略设计了PIDNNC积分合成控制系统，提出了基于该策略的PIDNN神经网络控制系统设计方法。
通过建立偏航系统的仿真模型进行仿真实验，并与PID控制器的控制效果进行比较，表明该控制策略
2019/8/21 12:21:29
849KB
1
借助Lyapunov方法引入了参数的自适应律,并证明了该控制策略使得船舶运动非线性系统中所有信号有界,选取恰当的设计参数可以保证跟踪误差收敛到零。
以某运煤船为例,在Simulink环境下进行仿真研究,仿真结果表明:所设计的控制器无论在标称参数下还是在参数摄动及存在外界扰动的情况下,都显示出较好的控制功能和较好的鲁棒性。
以某运煤船为例,在Simulink环境下进行仿真研究,仿真结果表明:所设计的控制器无论在标称参数下还是在参数摄动及存在外界扰动的情况下,都显示出较好的控制功能和较好的鲁棒性。
2018/10/15 15:08:53
291KB
1
该存储库不再维护。
它稳定且可以正常工作，不会具有新功能或目标。
ECS出口商将AWSECS集群目标导出到Prometheusmake./bin/ecs-exporter--aws.region="${AWS_REGION}"笔记：默认情况下，此导出器将在端口9222上进行侦听需要AWS凭证或EC2实例的权限您可以使用以下IAM策略来授予所需的权限：{"Version":"2012-10-17","Statement":[{"Sid":"","Effect":"A
它稳定且可以正常工作，不会具有新功能或目标。
ECS出口商将AWSECS集群目标导出到Prometheusmake./bin/ecs-exporter--aws.region="${AWS_REGION}"笔记：默认情况下，此导出器将在端口9222上进行侦听需要AWS凭证或EC2实例的权限您可以使用以下IAM策略来授予所需的权限：{"Version":"2012-10-17","Statement":[{"Sid":"","Effect":"A
2020/3/18 12:26:39
7.18MB
1
深度强化学习是人工智能领域的一个新的研究热点．它以一种通用的方式将深度学习的感知能力与强化学习的决策能力相结合，并能够通过端对端的学习方式实现从原始输入到输出的直接控制．自提出以来，在许多需要感知高维度原始输入数据和决策控制的任务中，深度强化学习方法已经取得了实质性的突破．该文首先阐述了三类主要的深度强化学习方法，包括基于值函数的深度强化学习、基于策略梯度的深度强化学习和基于搜索与监督的深度强化学习；
其次对深度强化学习领域的一些前沿研究方向进行了综述，包括分层深度强化学习、多任务迁移深度强化学习、多智能体深度强化学习、基于记忆与推理的深度强化学习等．最后总结了深度强化学习在若干领域的成功应用和未来发展趋势．
其次对深度强化学习领域的一些前沿研究方向进行了综述，包括分层深度强化学习、多任务迁移深度强化学习、多智能体深度强化学习、基于记忆与推理的深度强化学习等．最后总结了深度强化学习在若干领域的成功应用和未来发展趋势．
2021/5/8 20:51:30
2.73MB
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