博客 RSS 訂閱

u_13357275 頭像

上海拔俗網絡 - AI 行為分析系統：從“行為識別”到“風險與決策支持”的工程實踐

在很多項目中，“行為分析”最初被理解為一件相對直接的事情： 採集行為數據 用模型做分類或識別 輸出標籤或結果 但一旦進入真實業務場景，很快就會發現問題： 單次行為識別價值有限 行為結果波動大、誤判率高 不同行為之間缺乏上下文關聯 分析結果難以支撐實際決策 這説明一個事實： AI 行為分析系統的核心價值，

模式識別 , 建模 , 數據 , NLP , 人工智能

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 精密製造的通信紐帶：疆鴻智能PROFIBUS轉RS485網關在汽車零部件生產中的應用

精密製造的通信紐帶：PROFIBUS轉RS485網關在汽車零部件生產中的應用 1. 工廠背景 在長三角一家現代化的汽車零部件製造工廠裏，生產線正面臨一個典型的工業通信難題。該工廠配備了來自不同供應商的生產設備：核心控制系統採用西門子S7系列PLC，通過PROFIBUS-DP協議進行數據交換；而生產線上多台關鍵設備——包括三台高精度激光切割機（分別用於金屬和塑料材料加

profibus , 協議轉換網關 , 工業通訊 , RS485 , 人工智能 , 深度學習 , 工業自動化

收藏 評論

zentaopms 頭像

易軟項目平台分享 - 高端項目管理軟件排行榜，精良品質經得起考驗

高端項目管理軟件排行榜，精良品質經得起考驗 1.禪道 一、產品定位國產高端全流程項目管理平台，專注於政企級項目的合規化管理與全鏈路協同，是國產化替代場景中的核心優選方案，深度契合國內企業管理流程與政策要求。 二、核心功能具備一體化流程引擎，實現從需求收集、任務分配、測試管理到缺陷跟蹤的全閉環管理；支持自定義工作流與多維度報表生成，含甘特圖、燃盡圖等專業可視化工具；通過國家信息安全等級保護

軟件工程

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI 大語言模型及服務平台：從“接模型”到“可治理能力中台”的工程實踐

在很多團隊的最初方案中，“大語言模型平台”往往被理解為一件很簡單的事情： 接入一個大模型 封裝成 API 提供給業務調用 Demo 很快能跑，但一旦進入多業務、多團隊、多場景使用，就會迅速暴露出問題： 不同業務對模型口徑要求完全不同 Prompt 分散在各個服務中，無法統一管理 模型版本更新後，線上行為不可控 成本、延遲、風

限流 , NLP , 語言模型 , 緩存 , 人工智能

收藏 評論

runfast 頭像

跑得比誰都快 - 程序中嵌入任意文件二進制內容的幾個方法

程序多少都需要一點二進制資源，比如圖片、短音頻之類的。有的時候由於各種原因，可能就是需要把它直接塞到程序的可執行映像文件裏，而不是作為外部文件加載。經過一段時間的摸索，我發現有如下幾種方法，放在這裏以供參考： 轉成C源代碼 可以自己寫個程序或者腳本讀入資源文件，然後逐字節寫成C數組。這種方式的優點是跨平台性能最好，只要有C編譯器就行。缺點是它的執行代價比較大，首先你需要遍歷文件內容並且生成那麼長的

c++ , c

收藏 評論

blossom_5fdad45ec8100 頭像

blossom - AI 時代的攻防暗戰：從“誘導刪庫”到“錢包耗盡”，必須警惕的 10 大風險

引言：繁榮背後的陰影與毀滅性打擊 從自動駕駛汽車穿梭於城市街頭，到智能客服接管 24 小時業務，人工智能已滲透至現代社會的毛細血管。然而，在 AI 技術高歌猛進的表象下，一場針對數字基礎設施的隱秘戰爭正在升級。 剛剛過去的“12·22 快手攻擊事件”便是這場暗戰中一次慘痛的註腳。事後覆盤顯示，這並非一場簡單的流量騷擾，而是一次在極短時間內將平台打得措手不及的“閃電戰”： 從試探到崩盤：短短數小時的

後端

收藏 評論

fannaodeliushu 頭像

程序員阿偉 - 《告別無效等待：大規模第三方庫項目的快速增量構建指南》

清晨提交一行簡單的工具類修改，等到午餐歸來屏幕上仍跳動着編譯進度條；迭代階段僅調整一個配置參數，卻要觸發所有第三方庫的全量重編，數小時的等待讓開發節奏被迫中斷，那種陷入無效內耗的焦灼，足以磨平最飽滿的研發熱情。多數團隊面對這種困境，往往會陷入“堆砌硬件”或“粗暴簡化依賴”的誤區，要麼盲目升級服務器配置，卻發現編譯效率提升寥寥；要麼強行刪減部分第三方庫功能，卻導致業務邏輯受損。殊不知，大規模第三方庫

遊戲

收藏 評論

fannaodeliushu 頭像

程序員阿偉 - 《從視覺到聽覺：遊戲狀態信息的屏幕閲讀器適配底層邏輯》

某個深夜，為測試一款開放世界作品的邊緣場景，我刻意關閉視覺輸出，僅依賴屏幕閲讀器漫遊虛擬大陸，那份突如其來的割裂感至今清晰—角色翻越地形時僅有模糊的方位提示，技能蓄力完成毫無有效反饋，任務目標的進度變化隱沒在視覺信息的洪流中，就連拾取道具的提示都顯得蒼白無力。那種彷彿被遊戲世界拒之門外的茫然，讓我猛然意識到，遊戲的核心魅力從來不止於視覺的震撼或操作的爽快，更在於信息傳遞的公平與通暢。屏幕閲讀器的適

遊戲

收藏 評論

u_16213715 頭像

mob64ca1417eedd - Grafana做一個導航css寫在哪裏

導航在網站中起着舉足輕重的作用，常見的導航形式主要有橫向導航、縱向導航和下拉式導航等三種形式。 傳統的導航是表格式佈局，不僅代碼量大，後期維護起來也不方便，而且也沒有實現表現與內容的分離，顯然不符合web2.0的標準。下面我們重點來看css是如何實現橫向導航的。 先看代碼： 程序代碼 ul id="nav"

雲計算 , 背景圖片 , Grafana做一個導航css寫在哪裏 , 雲原生 , Css , HTML

收藏 評論

deephub 頭像

deephub - 機器學習時間特徵處理：循環編碼（Cyclical Encoding）與其在預測模型中的應用

做過電力負荷預測或者交通預測朋友，大概率都處理過時間特徵。這裏最直接的做法通常是把時間（比如分鐘或小時）直接扔進模型裏。這看起來邏輯自洽，但存在這一個大坑，就是“午夜悖論”。 比如説你的模型面對兩個時間點：23:59（一天的第1439分鐘） 和 00:01（一天的第1分鐘）。在我們的認知裏，這倆只差兩分鐘，但在模型的邏輯裏1439 和 1 可是不一樣的。大多數機器學習算法（線性迴歸、KNN、SVM

機器學習 , 人工智能 , 特徵提取 , Python

收藏 評論

u_16099245 頭像

遊俠小影 - lemonlime

LemonLime 測評 前言 迎難而上，遇山開山，遇水搭橋。 Lemon 和 LemonLime 是差不多的，後者是升級版。 軟件下載與使用 部分電腦使用會報錯：計算機丟失MSVCP140.DLL 需要安裝程序：http://www.downxia.com/downinfo/29834.html這個在教程中也提供了，vc_

機器學習 , 軟件下載 , 置數據 , lemonlime , 人工智能 , 編譯器

收藏 評論

huodadexiang 頭像

南瓜 - 基於 YOLOv8 的智能火災識別系統設計與實現— 從數據集訓練到 PyQt5 可視化部署的完整工程實踐

基於 YOLOv8 的智能火災識別系統設計與實現 摘要 隨着城市化進程的加快，火災事故頻發，傳統依賴煙霧傳感器或温感設備的報警方式在複雜環境中存在響應滯後、誤報率高、覆蓋範圍有限等問題。近年來，計算機視覺與深度學習技術的快速發展，使得基於圖像的火災自動識別成為智慧消防領域的重要研究方向。 本文圍繞一個基於 YOLOv8 的火災識別系統展開，系統性介紹了從數據集構建、模型訓練、性能評估，到 PyQt

機器學習 , 人工智能 , 深度學習

收藏 評論

u_16099279 頭像

夜行者3號 - vue2的 脆弱的Javascript庫

在開發一些桌面信息應用時界面的定義是一件比較麻煩的事情 ，不管WPF或WinForm也好在制定界面上並沒有HTML來得簡單靈活。而VuejsApp是一款能動態加載vue的windows程序，它可以直接加載vue文件運行並展示，而它無須依賴於第三方的組件或服務。 使用 VuejsApp並不需要安裝，它是一個直接可執行的windows程序(暫只支持win64).可

app , microsoft , 前端開發 , Javascript , Json

收藏 評論

u_16099206 頭像

編程夢想翱翔者 - Modem META使用

ADSLModem通常為塑殼結構使用外置電源，使用中有四個注意事項： 一是ADSLModem需要安放在通風散熱處，Modem的塑殼結構不利於散熱，因此，為保證ADSLModem能長時間穩定工作，應將它放置在空氣流通的地方，modem上不能有覆蓋物。，立式Modem不能橫放。 二是ADSLModem是高速數據通信設備，易

機器學習 , Modem META使用 , 數據 , 網線 , 人工智能 , 數據傳輸

收藏 評論

u_16213577 頭像

信息小飛俠 - 智能感知搜索概述 - AI和感知計算的新星

遇到AI胡説八道怎麼辦？Self-RAG就像給AI裝了個"思考開關"，讓它知道什麼時候該查資料、什麼時候該獨立思考，還能自我評估答案靠不靠譜。6步智能決策機制，讓AI回答又準又穩！#人工智能 #RAG技術 #智能檢索 #AI應用 當AI遇到"靈魂拷問" 你問智能客服："我的快遞到哪兒了？"它回答："根據牛頓第一定律，物體會保

文檔檢索 , Self , 智能檢索 , Css , 前端開發 , HTML

收藏 評論

u_16213710 頭像

mob64ca1416b5a8 - StorageManager 獲取U盤名稱 getBestVolumeDescription

usb總線驅動模型裏也有struct usb_driver和struct usb_device，這點與platform虛擬總線裏的structplatform_device和structplatform_driver相似。不同之處是 platform模型中，需要寫兩個驅動文件，分別是driver.ko和device.ko，然後分別insmod。

雲計算 , Linux , bc , define , 雲原生

收藏 評論

u_16099174 頭像

晨曦微露s - 雙閉環直流調速系統matlab/simulink仿真

一、系統架構設計 %% 參數定義（m函數參數輸入） function [sys,x0,str,ts] = BLDCM_Sim(t,x,u,flag) persistent params if isempty(params) params.R = 3; % 定子電阻 (Ω) params.L = 0.04; % 電感 (H)

參數設置 , MySQL , 控制系統 , 數據庫 , 系統架構設計

收藏 評論

u_16213721 頭像

mob64ca14196783 - GaussDB (for Cassandra) 數據庫治理：大key與熱key問題的檢測與解決

在 Redis 的運維實踐中，熱點 Key 與大 Key 如同系統中最隱蔽的性能陷阱，需要系統化的治理策略而非零散的解決方案 在高併發系統架構中，緩存承擔着流量緩衝與加速的核心職責。然而，熱點 Key（Hot Key）與大 Key（Big Key）問題如同緩存系統中的"隱形殺手"，隨時可能引發系統性能雪崩。本文將深入探討熱點 Key 與大 Key 的系統化

redis , 緩存 , Css , 前端開發 , HTML

收藏 評論

jiedianxiaobao 頭像

節點小寶 - 節點小寶4.0更新手記：遠程控制真的可以這麼簡單

節點小寶4.0版本的上新，作為一個經常需要遠程訪問家裏NAS和辦公室電腦的用户，這次更新確實讓我眼前一亮。 從"網管"到"普通用户"的轉變 還記得之前設置遠程訪問時的複雜流程嗎？查IP、填端口、配置路由器...這些操作對於技術愛好者來説可能不算什麼，但對大多數普通用户來説確實是個門檻。 這次4.0版本設備綁定流程的簡化。現在只需要掃碼或手機號登錄，系統就能自動識別局域網內的設備，整個過程變得異常簡

觀點 , 資訊 , 教程

收藏 評論

u_16099188 頭像

互聯網小思悟 - flutter是否支持鴻蒙,谷歌發佈操作系統Flutter 2.0，關鍵特性是衝着鴻蒙來的_weixin

將 Flutter 應用適配到鴻蒙（HarmonyOS）主要有兩種常用方式：源碼集成和HAR 包集成。以下以 HAR 包集成為例，結合最新鴻蒙版 Flutter SDK（3.7.12 / 3.22 / 3.27.4）説明完整流程。 環境準備 安裝DevEco Studio（5.0+）並配置 JDK17 下載鴻蒙版 Flutter SDK：

配置環境變量 , flutter , 前端開發 , Git , Javascript

收藏 評論

u_12947 頭像

lazihuman - MATLAB曲線曲面擬合——Curve Fitting Toolbox

CurveFit是一款強大的曲線擬合軟件，內置40+常用擬合模型，使用精心編寫的擬合算法，無需複雜的配置和指定初值，擬合效果和成功率超過大部分同類軟件（包括MATLAB、Origin等）。 優勢： 操作簡單，無需學習成本，小白也可快速上手 支持大量開箱即用的擬合模型，無需複雜配置和指定初值，擬合精度和成功率超過大部分同類軟件 支持自定

擬合 , 自定義 , 前端開發 , 初值 , Javascript

收藏 評論

u_13446 頭像

imking - sip信令跟蹤工具sngrep

一、什麼是sngrep? sngrep是專門用於 SIP 信令抓包和分析的終端工具，比 tcpdump更直觀，特別適合調試 VoIP、FreeSWITCH、Asterisk、Kamailio 等 SIP 系統 簡單來説：就是當你撥打 VoIP 電話時，電話的信令（比如誰打電話、誰接電話、如何建立連接、如何掛斷等）就是通過 SIP 協議來管理的

sngrep , ip , 信息與通信 , 端口號 , Css , 測試工具 , 前端開發 , HTML

收藏 評論

u_16213701 頭像

mob64ca14147fe3 - Qt架構圖及模塊分析介紹

引言 Qwen（Quantum Waveform Encoding Network）模型是一種前沿的深度學習架構，專為處理複雜波形數據而設計。其核心目標在於通過高效的編碼和解碼機制，實現對量子態波函數的高精度模擬與分析。Qwen模型的設計靈感來源於量子力學的波函數理論，結合了深度神經網絡在特徵提取和模式識別方面的強大能力。 該模型的主

AI大模型 , 架構 , 人工智能 , transformer , 模態 , jquery , 前端開發

收藏 評論

u_13259 頭像

kekenai - 消息中間件kafka部署(一、使用kafka內置zookeeper組件部署kafka單節點服務)

Kafka 消息中間件實戰指南 1. 引言 在現代分佈式系統中，消息中間件扮演着至關重要的角色，它能夠實現系統間的解耦、異步通信和可靠消息傳遞。Apache Kafka是目前最流行的分佈式流處理平台之一，廣泛應用於構建實時數據管道、流處理應用和事件驅動架構。 Kafka具有高吞吐量、低延遲、高可靠性和可擴展性等特點，能夠處理每秒數百萬條

linq , Css , 分佈式 , kafka , 前端開發 , apache , HTML

收藏 評論