设一个时隙Aloha系统的时隙长度为1，所有节点的数据包均等长且等于时隙长度。
网络中的节点数为m，各节点数据包以泊松过程到达。
假设每个节点的数据包到达强度均为λ/m，在不同的λ下，使用计算机仿真时隙Aloha系统数据包传送的成功概率，绘制呼入强度和成功概率的曲线，与理论结果进行对照。
注意：节点个数m要足够多。
假设每个节点的数据包到达强度均为λ/m。
以及节点数m，采用延时的下界。
选取合理的等待重传的节点在每一个时隙重传的概率qr。
仿真时隙Aloha系统数据传输过程，统计在不同积压节点数n的情况下，到达率及离开率Ps(n)，绘制到达率和离开率随n的分布情况，和理论值进行对照。
调整qr大小，考察曲线的变化，和理论值进行对照。
假设每个节点的数据包到达强度均为λ/m。
以及节点数m，采用延时的下界。
选取合理的等待重传的节点在每一个时隙重传的概率qr。
仿真时隙CSMA协议，其中空闲时隙长度β＜1。
绘制到达率和离开率随n的分布情况，和理论值进行对照。
调整β大小，考察曲线的变化，和理论值进行对照。
在（3）基础上，进一步引入碰撞检测机制，仿真CSMA/CD协议，其中空闲时隙和碰撞时隙长度均为β＜1。
绘制到达率和离开率随n的分布情况，和理论值进行对照。
调整β大小，考察曲线的变化，和理论值进行对照。
网络中的节点数为m，各节点数据包以泊松过程到达。
假设每个节点的数据包到达强度均为λ/m，在不同的λ下，使用计算机仿真时隙Aloha系统数据包传送的成功概率，绘制呼入强度和成功概率的曲线，与理论结果进行对照。
注意：节点个数m要足够多。
假设每个节点的数据包到达强度均为λ/m。
以及节点数m，采用延时的下界。
选取合理的等待重传的节点在每一个时隙重传的概率qr。
仿真时隙Aloha系统数据传输过程，统计在不同积压节点数n的情况下，到达率及离开率Ps(n)，绘制到达率和离开率随n的分布情况，和理论值进行对照。
调整qr大小，考察曲线的变化，和理论值进行对照。
假设每个节点的数据包到达强度均为λ/m。
以及节点数m，采用延时的下界。
选取合理的等待重传的节点在每一个时隙重传的概率qr。
仿真时隙CSMA协议，其中空闲时隙长度β＜1。
绘制到达率和离开率随n的分布情况，和理论值进行对照。
调整β大小，考察曲线的变化，和理论值进行对照。
在（3）基础上，进一步引入碰撞检测机制，仿真CSMA/CD协议，其中空闲时隙和碰撞时隙长度均为β＜1。
绘制到达率和离开率随n的分布情况，和理论值进行对照。
调整β大小，考察曲线的变化，和理论值进行对照。
2023/7/19 2:34:57
4KB
1
语音这是我正在学习的数字游乐场。
我在这里集成和验证新技术和想法，使用新的UI/UX组件，并使用我想到的最佳编码标准进行开发。
同时，我想提供一种有声读物播放器，它真的很容易使用，并且很有趣。
仍然有些组件已过时。
如果您喜欢或，那将非常感激。
但是随着时间的流逝，可能会发生结构性变化。
发展历程如果您想帮助检查标签。
在实际开始之前先讨论要做什么是一个好主意，这样可以避免沮丧。
一些编码规则：使用项目使用的代码样式对于每个功能，请创建一个单独的分支，以便可以单独进行查看使用具有良好描述的提交，这样每个人都可以看到您所做的事情项目页面位于。
在那里所有的本地化都得到维护。
如果您想做出贡献，请检查是否存在未翻译或错误翻译的单词。
或者，如果您会说一种新语言，也可以开始翻译;-)执照版权所有（C）2014许可证是。
通过捐款，您同意在相同条件下许可代码。
我在这里集成和验证新技术和想法，使用新的UI/UX组件，并使用我想到的最佳编码标准进行开发。
同时，我想提供一种有声读物播放器，它真的很容易使用，并且很有趣。
仍然有些组件已过时。
如果您喜欢或，那将非常感激。
但是随着时间的流逝，可能会发生结构性变化。
发展历程如果您想帮助检查标签。
在实际开始之前先讨论要做什么是一个好主意，这样可以避免沮丧。
一些编码规则：使用项目使用的代码样式对于每个功能，请创建一个单独的分支，以便可以单独进行查看使用具有良好描述的提交，这样每个人都可以看到您所做的事情项目页面位于。
在那里所有的本地化都得到维护。
如果您想做出贡献，请检查是否存在未翻译或错误翻译的单词。
或者，如果您会说一种新语言，也可以开始翻译;-)执照版权所有（C）2014许可证是。
通过捐款，您同意在相同条件下许可代码。
2023/7/18 22:41:53
11.09MB
1
提出了一种结合最小误差熵和最优控制策略开发的具有不确定计量延迟的半导体Craft.io运行控制方法。
在大多数半导体Craft.io中，上一次运行的产品质量数据在下一次运行开始之前通常不可用。
因此，校正步骤通常被延迟一批次或更多，并且延迟的持续时间具有随机特性是不确定的。
再加上不正确的过程模型，即使使用指数加权移动平均值（EWMA）控制器，延迟也可能导致过程输出的显着变化。
从概率的角度出发，提出了一种处理不确定的计量延迟的新方法。
首先要重新检查运行控制系统的基本原理，然后通过将熵（或信息势）和跟踪误差的平均值与控制输入能量的约束相结合来给出创新的性能指标。
针对扰动和时延不是高斯的过程，提出了一种基于概率密度函数（PDF）的最优控制算法，并对算法的稳定性进行了分析。
另外，所提出的控制策略的方法被扩展为包括递归PDF估计和在线实时实施。
本文还包括钨化学气相沉积Craft.io的最小熵控制的仿真示例，以说明该方法。
此外，通过对常规EWMA方法和提出的方法进行比较，以显示我们提出的方法的优点。
在大多数半导体Craft.io中，上一次运行的产品质量数据在下一次运行开始之前通常不可用。
因此，校正步骤通常被延迟一批次或更多，并且延迟的持续时间具有随机特性是不确定的。
再加上不正确的过程模型，即使使用指数加权移动平均值（EWMA）控制器，延迟也可能导致过程输出的显着变化。
从概率的角度出发，提出了一种处理不确定的计量延迟的新方法。
首先要重新检查运行控制系统的基本原理，然后通过将熵（或信息势）和跟踪误差的平均值与控制输入能量的约束相结合来给出创新的性能指标。
针对扰动和时延不是高斯的过程，提出了一种基于概率密度函数（PDF）的最优控制算法，并对算法的稳定性进行了分析。
另外，所提出的控制策略的方法被扩展为包括递归PDF估计和在线实时实施。
本文还包括钨化学气相沉积Craft.io的最小熵控制的仿真示例，以说明该方法。
此外，通过对常规EWMA方法和提出的方法进行比较，以显示我们提出的方法的优点。
2023/7/18 21:37:29
512KB
1
问题发现：本次案例为工作中遇到的实际问题，在语音识别中的语料准备部分，需要从网络中爬取相当数量的相关文本，其中发现爬取到了一些不相关的内容，如何把这些不相关的内容剔除掉成为笔者需要思考的问题。
初步思考：遇到此问题笔者第一时间考虑是将文本分词后向量化，使用聚类看一下分布情况，然而发现在不同训练集中，训练样本变化时，向量随之变化，在测试集中表现一般，在实测中几乎无用。
于是想到向量化的方法问题，使用sklearnCountVectorizer方法进行向量化，仅仅是将所有词频无序的向量化，看到另外博文时，发现应该先将目标主题的文本进行词频统计，将统计结果当做向量化模板，实测发现效果不错，现将此方法分享给大家
初步思考：遇到此问题笔者第一时间考虑是将文本分词后向量化，使用聚类看一下分布情况，然而发现在不同训练集中，训练样本变化时，向量随之变化，在测试集中表现一般，在实测中几乎无用。
于是想到向量化的方法问题，使用sklearnCountVectorizer方法进行向量化，仅仅是将所有词频无序的向量化，看到另外博文时，发现应该先将目标主题的文本进行词频统计，将统计结果当做向量化模板，实测发现效果不错，现将此方法分享给大家
2023/7/17 6:40:05
2.71MB
1
端口实现的IIC方式,驱动BME280,测量温度.支持多个BME280接在不同端口.增加前后温度变化过大的异常数据处理
2023/7/16 21:51:08
6KB
1
本科毕业设计，论文，word版摘要目前，由于PID具有结构简单，可通过调节比例积分和微分取得基本满意的控制性能，广泛应用在电厂的各种控制过程中。
电厂主汽温的被控对象是一个大惯性大迟延非线性且对象变化的系统。
常规汽温控制系统为串级PID控制或导前微分控制,当机组稳定运行时,一般能将主汽温控制在允许的范围内。
但当运行工况发生较大变化时,却很难保证控制品质。
因此本文研究BP神经网络的PID控制，利用神经网络的自学习、非线性和不依赖模型等特性实现PID参数的在线自整定，充分利用PID和神经网络的优点。
本处用一个多层前向神经网络，采用反向传播算法依据控制要求实时输出Kp、Ki、Kd，依次作为PID控制器的实时参数，代替传统PID参数靠经验的人工整定和工程整定，以达到对大迟延主气温系统的良好控制。
对这样一个系统在MATLAB平台上进行仿真研究，，仿真结果表明基于BP神经网络的自整定PID控制具有良好的自适应能力和自学习能力，对大迟延和变对象的系统可取得良好的控制效果。
关键词：主汽温，PID，BP神经网络，MATLAB仿真
电厂主汽温的被控对象是一个大惯性大迟延非线性且对象变化的系统。
常规汽温控制系统为串级PID控制或导前微分控制,当机组稳定运行时,一般能将主汽温控制在允许的范围内。
但当运行工况发生较大变化时,却很难保证控制品质。
因此本文研究BP神经网络的PID控制，利用神经网络的自学习、非线性和不依赖模型等特性实现PID参数的在线自整定，充分利用PID和神经网络的优点。
本处用一个多层前向神经网络，采用反向传播算法依据控制要求实时输出Kp、Ki、Kd，依次作为PID控制器的实时参数，代替传统PID参数靠经验的人工整定和工程整定，以达到对大迟延主气温系统的良好控制。
对这样一个系统在MATLAB平台上进行仿真研究，，仿真结果表明基于BP神经网络的自整定PID控制具有良好的自适应能力和自学习能力，对大迟延和变对象的系统可取得良好的控制效果。
关键词：主汽温，PID，BP神经网络，MATLAB仿真
2023/7/15 15:40:51
1.11MB
1
一、进入安装目录/xwiki/WEB-INF/lib/下找到xwiki-platform-legacy-oldcore-10.2.jar二、用zip解压软件进入xwiki-platform-legacy-oldcore-10.2.jar不要解压，找到ApplicationResources_zh.properties打开以后是ascii码。
需要打开cmd进入其所在目录，输入一下命令转码。
native2ascii-reverseApplicationResources_zh.propertiesApplicationResources_zh2.properties然后就可以改汉化了。
改完之后反编码。
注意两次参数和文件名的变化。
native2asciiApplicationResources_zh2.propertiesApplicationResources_zh.properties最后直接，把ApplicationResources_zh.properties填加到xwiki-platform-legacy-oldcore-10.2.jar把原来的替换掉就可以了
需要打开cmd进入其所在目录，输入一下命令转码。
native2ascii-reverseApplicationResources_zh.propertiesApplicationResources_zh2.properties然后就可以改汉化了。
改完之后反编码。
注意两次参数和文件名的变化。
native2asciiApplicationResources_zh2.propertiesApplicationResources_zh.properties最后直接，把ApplicationResources_zh.properties填加到xwiki-platform-legacy-oldcore-10.2.jar把原来的替换掉就可以了
2023/7/15 13:19:43
187KB
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