- 综合排序
- 最热优先
- 最新优先
- 来自专栏工程师看海
干货分享，强大的4开关升降压BOB电源，可升可降、能大能小
一. 4开关拓扑 4开关BOB电源全称是BUCK or BOOST升降压电源，顾名思义，既可以降压，又可以升压，兼容BUCK和BOOST电源的功能。 下图是4开关BOB电源的拓扑示意图，4个开关带一个电感，通过控制开关的导通、断开的不同状态来衍生出不同的电源架构。 二. 降压模式 当S4处于常闭、S3处于常开状态时，反复开关的管子是S1和S2，这就构成了BUCK降压结构。下图就是BUCK的结构，有S1、S2两个工作管子，这种BUCK被称为同步BUCK，效率会高一些。 有两种工作周期，1：S1闭合、S2断开，对电感L1充电，见下图绿色曲线；2：S1断开、S2闭合，电感对负载放电，见下图蓝色曲线。 下图就是BOOST的结构，有S3、S4两个工作管子，有两种工作周期，1：S3闭合、S4断开，对电感L1充电，见下图蓝色曲线；2：S3断开、S4闭合，电感对负载放电，见下图绿色曲线。
5.1K21编辑于 2022-06-23 - 来自专栏Geo
两大核心+四轮驱动Geo：获客成本降35-60%，权威度升210%
一、战略定调：Geo优化的“两大核心”于磊老师认为，AI时代的Geo优化，必须回归到内容的本质：信任与人性。这两大核心是所有优化工作的哲学基础和战略方向。 在Geo优化中，这意味着内容中的每一个关键论点、每一项数据，都必须能通过至少两个独立的、权威的信源进行交叉核对。 • 精准连接：这种精准的应用，能够实现内容与用户意图的高效连接，确保每一次曝光都针对高意向客户，避免无效流量。4、文献/数据精准引用：提升内容权威性权威引用是内容专业性和可信度的直接体现。 三、价值兑现：Geo优化为企业带来的革命性提升与产出Geo专家于磊老师的“两大核心+四轮驱动”方法论，不仅是一套优化策略，更是为企业创造了全新的内容资产和获客能力。 四、结语：Geo优化，企业内容战略的未来Geo专家于磊老师首创的“两大核心+四轮驱动”方法论，为企业提供了一套在AI时代构建内容护城河的成熟的Geo优化体系和方法论。
31710编辑于 2025-12-11 - 来自专栏Python乱炖
想理解深度学习，究竟应该降维打击 or 升维思考？
让我们从一道选择题开始今天的话题。 什么是神经网络？请选择以下描述正确的一项或多项。 A. 神经网络是一种数学函数，它接收输入并产生输出。 B. 神经网络是一种计算图，多维数组流经其中。 C. 神经网络是一种通用函数逼近器。 你的答案是________。 正确答案是……ABCD。 是不是有点懵？对于神经网络，难道就没有唯一、统一的描述吗？ 你或许钟情于算法，又或许习惯于视觉型学习，但唯有进行「升维思考」，你才能建造出多面玲珑的建筑。 韦德曼提出以如下步骤学习导数、嵌套函数、链式法则等概念。 可以通过两种方式来计算这条线的斜率。第一种方式是使用微积分来实际计算极限，第二种方式是在a−0.001处和a+0.001处取连线f 的斜率，如下图所示。 ? 另一种可视化方式是将函数想象成小型工厂，并想象其输入通过一根线连接到输出。
56820发布于 2021-04-22 - 来自专栏人工智能与演化计算成长与进阶
14降维3-4PCA算法原理
2014 机器学习教程中文笔记 by 黄海广 14.3 主成分分析原理 Proncipal Component Analysis Problem Formulation 主成分分析（PCA）是最常见的降维算法 投影平面 是一个由两个经过原点的向量规划而成的平面，而 投影误差 是 从特征向量向该投影平面作垂线的长度。 Note 在使用 PCA 之前，需要进行 归一化和特征规范化 主成分分析原理 从二维降到一维 找到一个能够使数据投影到其上的投影误差最小的方向向量 。 PCA 的优点与缺点 优点 PCA 技术的一大好处是对数据进行降维的处理。 我们可以对新求出的“主元”向量的重要性进行排序，根据需要取前面最重要的部分，将后面的维数省去，可以达到降维从而简化模型或是对数据进行压缩的效果。同时最大程度的保持了原有数据的信息。
80010发布于 2020-08-14 - 来自专栏数据科学（冷冻工厂）
单细胞Seurat - 降维与细胞标记(4)
非线形降维 Seurat 提供了几种非线性降维技术，例如 tSNE 和 UMAP，来可视化和探索这些数据集。这些算法的目标是学习数据集中的底层结构，以便将相似的细胞放在低维空间中。 因此，在上面确定的基于图的簇内分组在一起的细胞应该在这些降维图上共同定位。 1.60e- 79 0 CCR7 ## 3 8.94e- 79 1.09 0.838 0.403 1.23e- 74 0 CD3D ## 4 VlnPlot(pbmc, features = c("MS4A1", "CD79A")) # you can plot raw counts as well VlnPlot(pbmc, features = c("NKG7", "PF4"), slot = "counts", log = TRUE) FeaturePlot(pbmc, features = c("MS4A1", "GNLY", "CD3E
71421编辑于 2024-03-12 - 来自专栏互联网技术栈
Log4j1升级Log4j2实战
特性 API分离: Log4j2将API与实现分离开来(log4j-api： 作为日志接口层，用于统一底层日志系统,log4j-core : 作为上述日志接口的实现，是一个实际的日志框架) 改进的特定 自动配置加载：像Logback一样，一旦配置发生改变，Log4j2可以自动载入这些更改后的配置信息，又与Logback不同，配置发生改变时不会丢失任何日志事件。 当我们给Configuration设置monitorInterval时，这可以使得log4j2阶段性的读取配置文件，并重新构造Configuration。在这一过程中，log4j2不会丢失日志事件。 该组件在Log4j1.x已经存在，但是Log4j2实现的异步Appender使得每次写入磁盘时，都会进行flush操作，效果和配置“immediateFlush=true”一样。 由于引用的jar中很多依然使用的为log4j，因此已经升级过log4j2的项目，每次在新增依赖的时候，一定需要确定一下，引用的jar是否含有对低版本的依赖，并且exclusion掉。
3.3K30发布于 2018-12-12 - 来自专栏FunTester
Selenium4 Alpha-7升级体检
前文提到：Selenium4前线快报，在写这篇文章的时候，Selenium 4.0.0-alpha-7是最新的Selenium 4 (Alpha)版本，可在Selenium官方网站上下载。 Gradle – 升级到 Selenium 4 Gradle是一种流行的构建工具，用于基于Java的应用程序。Gradle中的构建脚本是用Groovy或Kotlin DSL编写的。 implementation group: 'org.seleniumhq.selenium', name: 'selenium-java', version: '4.0.0-alpha-7' Demo 下面是一个 ：对定位器、Chrome DevTools、改进的 Selenium Grid 等，使其成为一个值得升级的产品。 FunTester，一群有趣的灵魂，腾讯云&Boss认证作者，GDevOps官方合作媒体。 ----
80140发布于 2021-07-23 - 来自专栏IT笔记
Spring3+Hibernate3升级为Spring4+Hibernate4
写在开始 今天，把当前项目做了一下升级，特此记录一下。 由于历史原因，项目本身并不是Maven项目，所以升级JAR包都是手动从Maven库中下载，然后load进项目lib。 相比spring3，spring4新特性如下： Spring4新特性——泛型限定式依赖注入 Spring4新特性——核心容器的其他改进 Spring4新特性——Web开发的增强 Spring4新特性—— hibernate升级 目前版本 hibernate3 由于以前项目，只有hibernate3.jar这一个，所以替换到它就ok。 升级版本hibernate4 ? 一个都不能少，特别是jboss-logging-3.1.3.GA.jar，不要以为它是个废物。 相关xml文件配置修改： <! HibernateCallback; 如果hibernate3中使用了executeFind回调方法，请统一修改为execute，hibernate4中已经不支持。
1.7K60发布于 2018-04-13 - 来自专栏智能算法
降维方法（一）：PCA原理
PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。 至此，我们得到了降维问题的优化目标：将一组N维向量降为K维（K大于0，小于N），其目标是选择K个单位（模为1）正交基，使得原始数据变换到这组基上后，各字段两两间协方差为0，而字段的方差则尽可能大（在正交的约束下 4）求出协方差矩阵的特征值及对应的特征向量 5）将特征向量按对应特征值大小从上到下按行排列成矩阵，取前k行组成矩阵P 6）Y=PX即为降维到k维后的数据 实例 这里以上文提到的 ? 最后我们用P的第一行乘以数据矩阵，就得到了降维后的表示： ? 降维投影结果如下图： ? 进一步讨论 根据上面对PCA的数学原理的解释，我们可以了解到一些PCA的能力和限制。 决策树算法之一C4.5 2. 数据挖掘之Apriori算法 3. 网页排序算法之PageRank 4. 分类算法之朴素贝叶斯分类 5. 遗传算法如何模拟大自然的进化？ 6.
1.9K90发布于 2018-04-02 Spring Boot 2 升 3：两条命令搞定 95%，AI 收尾
不是不想升，是真的怕。怕什么？怕的不是技术本身，而是规模。javax.*全部变成jakarta. *，SpringSecurity配置API重写，WebMVC和异步配置的适配器类被移除，JUnit4注解也换了一套。 OpenRewrite在这两点上恰好是AI的对立面：同一个Recipe，在任意规模的代码库上运行，结果完全一致、完全可预测。 一次完整迁移过程迁移的起点是一个标准的SpringBoot2.7.18项目，包含RESTAPI、SpringSecurity配置、异步处理、HttpClient封装，以及一批JUnit4测试。 把变更知识写成Recipe，把Recipe当作代码一样管理，这才是OpenRewrite想让你做的事。现在升到哪个版本合适既然要升，就升到一个值得的版本。
3400编辑于 2026-04-17- 来自专栏华仔的技术笔记
一种eos3.0升级到eos4.x的的方法
eos部署是一件极其耗时的操作，每次删掉重新安装就淡疼了。 升级的中心思想是删除build文件夹，然后git pull，然后重新build。 然后试试 ubuntu@VM-0-7-ubuntu:~/eos$ cd build/ ubuntu@VM-0-7-ubuntu:~/eos/build$ sudo make install 最后跑一下测试例子
62860发布于 2018-06-13 - 来自专栏1996
LeetCode每日一题-4：合并两个有序链表
题目描述： 将两个升序链表合并为一个新的 升序 链表并返回。新链表是通过拼接给定的两个链表的所有节点组成的。 示例： 输入：l1 = [1,2,4], l2 = [1,3,4] 输出：[1,1,2,3,4,4] 思路解析： 递归法： 递归函数必须要有终止条件，否则会出错； 递归函数先不断调用自身，直到遇到终止条件后进行回溯 根据以上规律考虑本题目： 终止条件：当两个链表都为空时，表示我们对链表已合并完成。 如何递归：我们判断 l1 和 l2 头结点哪个更小，然后较小结点的 next 指针指向其余结点的合并结果。 我们维护一个 pre 指针，我们需要做的是调整它的 next 指针。 不管我们将哪一个元素接在了后面，我们都需要把 prev 向后移一位。 在循环终止的时候， l1 和 l2 至多有一个是非空的。
31430编辑于 2022-09-23 - 来自专栏吴裕超
create-react-app webpack4升级webpack5
// https://twitter.com/wSokra/status/969633336732905474 // https://medium.com/webpack/webpack-4- will fall // back to the "file" loader at the end of the loader list. // 数组里有且只有一个被优化 升级过程实际上就是一个不断npm start、npm build然后根据提示查找原因的过程。 期间查了不少webpack4升级5的博文，实际升级中能参考的十分有限，主要要是参考webpack官网升级指南、stackoverflow和各种的issue。坑还是蛮多的。 这里的项目配置除了less没有额外的优化及修改，希望能给需要升级老项目的同学们提供一个参考，少踩一些坑。
1.5K10编辑于 2022-05-10 - 来自专栏JavaScript全栈
每日两题 T4
给定一个预约请求序列，替按摩师找到最优的预约集合（总预约时间最长），返回总的分钟数。 示例 1： 输入：[1,2,3,1] 输出：4 解释：选择 1 号预约和 3 号预约，总时长 = 1 + 3 = 4。 实例3 输入：[2,1,4,5,3,1,1,3] 输出：12 解释：选择 1 号预约、 3 号预约、 5 号预约和 8 号预约，总时长 = 2 + 4 + 3 + 3 = 12。 分析 该问题是典型的 动态规划 问题，使用两个变量存储时间和，遍历过程中，对比两个变量值大小，始终将大的值赋值给指定的一个变量，最终返回这个变量即为所求。 ? Set 和 Map 主要的应用场景在于 数据重组 和 数据储存 Set 是一种叫做集合的数据结构，Map 是一种叫做字典的数据结构 •Set •成员唯一、无序且不重复•[value, value]，键值与键名是一致的
48320发布于 2020-07-20 某股份制银行 “三升三降”！维普时代Visual RM 驱动银行需求绩效，成功案例拆解
（一）管理效能：全流程线上化，评审效率提升超 50%传统需求管理中，文档传递依赖邮件、评审依赖线下会议，需求问题闭环周期长、过程不可视。 以下以 “某股份制银行需求一体化管理平台项目” 为例，拆解平台如何解决实际痛点、实现绩效突破。 2 个月缩短至 1 个月；AI 辅助编制：启用 AI 生成文档、AI 复用推荐功能，需求分析人员编写新需求时，AI 自动推荐资产库中相似的需求条目与流程模板，某理财产品需求编制时间从 10 天缩短至 4 （三）绩效成果：半年内实现 “三升三降”项目上线半年后，该银行需求管理绩效呈现显著改善，核心指标实现 “三升三降”：三升：需求复用率从 5% 升至 35%、需求评审效率提升 60%、业技协同满意度从 65 分升至 92 分；三降：需求变更返工率从 25% 降至 5%、需求编制周期从 10 天降至 4 天、重复需求提出率从 15% 降至 3%。
28110编辑于 2025-11-03- 来自专栏PHP 开发
Laravel 4 小技巧两则
用 Laravel 作为 PHP 开发框架很久了，但是有些官方文档中没有覆盖到的地方，每隔一段时间又会忘记。最近做了一点简单的整理，顺便记录下来备忘。 1. controller 路由命名: 用 Route::controller 可以减少路由定制中的大量工作，但是有时候需要对某个特定的路由命名以便使用，但是 Route::controller 方法是批量指定了一个 可以用controller($uri, $controller, $names = array()) 中的第三个参数，这是一个数组，数组的 key 是方法，数组的 value 是命名。 // 该函数的签名： public function controller($uri, $controller, $names = array()) // 不命名一般使用： Route::controller 根据系统变量判断当前运行环境 系统默认的判断是否本地环境的方法是根据在 'local' 数组中指定一组作为本地环境的主机名，比如在办公机、Macbook上都要做开发，你就要把两个主机名都写进去，我觉得这样很麻烦
1.3K50发布于 2018-03-02 - 来自专栏AI研习社
用 LDA 和 LSA 两种方法来降维和做 Topic 建模
不过，LSA模型专注于降维，而LDA模型专注于解决主题建模问题。 由于有很多资料介绍这两个模型的数学细节，本篇文章就不深入介绍了。如果感兴趣，请自行阅读参考资料。 字词的重要性与它在同一文件中出现的次数成正比，但同时与其在语料库中出现的次数成反比。 因此，使用分解 SVD 来降维。 ? SVD 的思想在于找到最有价值的信息并使用低维的t来表达这一信息。 ? 输出 ? 可以看到维度从 130 K 降到了 50。 ? 输出 ? 不同话题下的不同词汇 显然，你可以想象出两层聚合。第一层是类别的分布。打个比方，类似我们有金融新闻、天气新闻和政治新闻。第二层则是类中的单词分布。 两个模型均使用词袋表示作为输入矩阵 SVD的挑战是我们很难判定最优的维数。总的来说，低维所消耗的资源更少，但有可能无法区分相反意义的词。
1K40发布于 2018-09-25 - 来自专栏量子位
苹果营收4年首降，库克：裁员是最后手段
iPhone业务下跌，库克：都赖疫情 具体来看，苹果2023财年第一财季（对应2022年Q4季度）： 总净销售额为1171.54亿美元，较上年同期的1239.45亿美元下降5%； 净利润为299.98亿美元 而在去年同期，这一数字为716.28亿美元，下降了8%。 ——别小看这8%，iPhone业务每年都占据苹果总销售额一半以上。 但有一些声音却对这一说法表示起了担忧： 尽管供应链问题基本解决了，但由于外部整体环境的影响，人们对iPhone和其他苹果产品的需求其实是在放缓的。 “裁员是最后手段” 眼看苹果也交出了一份不太让人满意的财报，裁员也会成为他们将采取的动作吗？ 正如大家所知，Meta、谷歌和微软等一系列大厂都已经裁过一轮了，但苹果一直都没有动静。 最后，对于下一个财季，也就是今年1-3月，可以期待的是苹果将要发布的全新硬件产品MR头显。但由于价格较高，分析师认为一开始应该不会很“卖座”。
31620编辑于 2023-02-23 - 来自专栏AI科技大本营的专栏
英伟达Q4净利同比降49%，还能继续躺赚吗？
虽然在财报公布后，英伟达股价盘后一度上涨 7.97%，但是与过去 52 周内的最高股价 292.76 美元相比，目前 154.53 美元（截止发稿前）的股价几乎腰斩，总市值也跌落到千亿美元以下。 从 2016 年开始，由于 AI 和加密货币的火热催生出对 GPU 的大量需求，英伟达可以说是一路躺赚，甚至被称为 AI 第一股，营收和股价不断攀升。 为什么号称 AI 第一股的英伟达突然失速了？ 去年底，英伟达 CEO 黄仁勋表示是大环境的原因，特别是中国。此外，由于售价高昂，一些高端显卡的销售也不及预期，甚至遭到诸多吐槽。 英伟达预计，2020 财年第一季度该公司的营收将达 22 亿美元，上下浮动 2%。英伟达还预计，与 2019 财年 117.16 亿美元的营收相比，2020 财年该公司营收将同比持平到小幅下降。 一路狂飙的好日子，终于暂告一段落了。
48420发布于 2019-03-06 - 来自专栏新智元
降维打击！北大「韦神」一夜拿下困住6名博士4个月的难题
---- 新智元报道 编辑：好困 拉燕 David 【新智元导读】6个博士搞了4个月没搞定的难题，北大「韦神」只花了一宿，还说太简单不要报酬，最后团队给他充了一波公交卡。 据说一个难倒了了6个博士4个月的问题，被他花了一宿的功夫搞定了。 6个博士纠结了4个多月 要说之前的有关韦神的「传说」还有一段视频佐证的话，这次就纯粹是开局一张图了。 故事一开始，6位博士在处理Navier-Stokes方程时遇到了一些问题，然而在花了4个月的时间琢磨之后，还是没有搞清楚。 最后，还是实验小组里的一名成员说，「我可以找人联系到韦东奕，问问他试试吧。」 正好，这个问题是韦神的主要研究方向之一。 于是，韦神不仅给出了解决办法，而且还只用了一个晚上。 方程以法国工程师兼物理学家克劳德-路易·纳维、爱尔兰物理学和数学家乔治·斯托克斯两人命名。 方程断言，流体粒子动量的改变率（力），来自作用在液体内部的压力变化、耗散粘滞力、以及重力。
63940编辑于 2022-05-09
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号