首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏测试GO材料测试

    DSC蓝宝石:精准测量材料比热容的核心技术

    DSC蓝宝石:精准测量材料比热容的核心技术-测试GO差示扫描量热(Differential Scanning Calorimetry, DSC)是材料科学、化学工程及生物医学等领域中一种重要的热分析技术 在DSC测量比热容的多种方法中,DSC蓝宝石(又称间接法或比例)因其高精度和可靠性而被广泛采用。 蓝宝石测试的关键步骤蓝宝石测量比热容通常采用“三步”,以最大限度地减少仪器和测试过程带来的干扰:空白基线测试:在DSC仪器上放置两个质量相同的空坩埚,在设定的升温速率、温度范围和气氛条件(如氮气) 蓝宝石的优势与应用相比于直接法(直接从DSC曲线读取热流率和升温速率进行计算),蓝宝石具有显著的优势:高精度:通过标准物质校准,有效减少了仪器本身的热流非线性、校正常数波动和基线漂移带来的误差,测量精度可达 总结:DSC蓝宝石作为一种精确、可靠的比热容测量方法,通过严谨的“三步”程序和标准物质的校准,显著降低了系统误差,为材料科学研究提供了高质量的热物性数据。

    53010编辑于 2025-10-24
  • 来自专栏数据结构与算法

    求素数 6

    include<iostream> 2 #include<cstdio> 3 #include<cmath> 4 #include<cstring> 5 using namespace std; 6 20 for(int j=i*i;j<=fw;j=j+i) 21 vis[j]=1; 22 } 23 }//筛求素数

    1.1K100发布于 2018-04-11
  • 来自专栏全栈开发之路

    ES6总结

    参考:https://segmentfault.com/a/1190000018448643#articleHeader2

    29930发布于 2019-08-20
  • 来自专栏GOOPHER的折腾记录

    蓝宝石RX570开核成RX580

    蓝宝石RX570开核成RX580 前言 在开始之前,需要知道刷BIOS的风险,刷入了错误的VBIOS可能导致开机花屏、不显示等问题。

    5.8K30编辑于 2022-03-31
  • 来自专栏Linyb极客之路

    DDD -- 领域驱动设计 -- 6步成诗

    如何实现DDD – 6步成诗 在从宏观层面对DDD有了一个把握之后,接下来进入实施环节,讲解如何一步步实施DDD。 当然,下面的方法只是个人观点,每个人都可以根据自己的实践去形成自己的一个套路。 第6步:架构重设计 在前面5步做完之后,我们基本在实现层面,确立了多少个SOA服务?每个服务内部多少个聚合根?多少个领域服务? 服务之家多少个“领域事件”? 下面以图的形式来形象的展示一下上面6步最终形成的结果:实体/值对象由聚合根管理;聚合根之间串成领域服务;领域服务之间用领域事件通信;领域服务组成子域;子域之间用领域事件通信。

    77710编辑于 2022-03-09
  • 来自专栏PPV课数据科学社区

    【学习】数据可视化6

    在当前互联网,各种数据可视化图表层出不穷,本文尝试对数据可视化的方法进行归纳,整理成66.让图表“动”起来 数据图形化完成后,可结合实际情况,将其变为动态化和可操控性的图表,用户在操控过程中能更好地感知数据的变化过程,提升体验。 以上6,是基于“数据”层面(区别于信息可视化),梳理思考过程,总结设计方法,为后续可视化提供可借鉴的思路。

    85940发布于 2018-04-18
  • 来自专栏PPV课数据科学社区

    干货:数据可视化6

    在当前互联网,各种数据可视化图表层出不穷,本文尝试对数据可视化的方法进行归纳,整理成66.让图表“动”起来 数据图形化完成后,可结合实际情况,将其变为动态化和可操控性的图表,用户在操控过程中能更好地感知数据的变化过程,提升体验。 实现动态化通常以下两种方式: 交互和动画。 以上6,是基于“数据”层面(区别于信息可视化),梳理思考过程,总结设计方法,为后续可视化提供可借鉴的思路。 知识无极限 6、回复“啤酒”查看数据挖掘关联注明案例-啤酒喝尿布 7、回复“栋察”查看大数据栋察——大数据时代的历史机遇连载 8、回复“数据咖”查看数据咖——PPV课数据爱好者俱乐部省分会会长招募 9、

    1.3K120发布于 2018-04-20
  • 来自专栏又见苍岚

    二次型优化问题 - 6 - 共轭梯度

    本文介绍二次型优化方法中比较优秀的迭代方法——共轭梯度。 共轭梯度思想来源 为解决最速下降法来回往复的问题,人们开始思考是否有可以直接在需要优化的二次函数定义下直接对其进行优化,是否可以通过有限步计算得到真正的最优解 那么假设我们使用关于该问题精确的模型而不是近似的局部最优模型 ,我们如果可以在某个N维空间中,分别计算出最优解的各个维度的坐标,就可以达到上述目的 那么如何设计这个空间,如何可以分步计算并且可以整合成真正的结果,是共轭梯度来解决的问题 该方法的核心思想是建立一组 N维空间线性无关的一组基,理论上这组基的线性组合可以表示空间中任意一点,共轭梯度通过多次计算,精确求解目标在空间中位置在这组基空间中的各个系数分量,达到求解最优值的目的 该方法和最速下降法却别在精确建模 {\bf{A}}{{\bf{x}}} = {\bf{b}}的过程具有相当的运算复杂度,没有给该优化问题带来性能收益 共轭梯度 此算法核心步骤与最速下降法相同,分别为寻找共轭方向与计算运动步长。

    1.4K30编辑于 2022-08-05
  • 来自专栏精益六西格玛资讯

    TPM管理项目6,拿走不谢!

    结合TPM管理项目实践经验,总结了以下6,开展TPM管理项目的企业可以借鉴: 第一步:设备管理基准书 一类是实施人员技能培育的指导书。

    96740编辑于 2023-03-01
  • 来自专栏海天一树

    小朋友学数据结构(6):折半查找

    折半查找又称为二分查找。 low = mid + 1; } } return -1; } int main() { int a[] = {1, 2, 3, 4, 5, 6, { printf("Index of %d is %d\n", num, index); } return 0; } 运行结果: Index of 7 is 6

    1K10发布于 2018-07-25
  • 来自专栏学弱猹的精品小屋

    数值优化(6)——拟牛顿:BFGS,DFP,DM条件

    目录 割线:拟牛顿的前身 SR1方 BFGS方法 BFGS方法的实操细节 DFP方法 Broyden族 统一拟牛顿方法的DM条件 Source 厦门大学课堂笔记,教授主页:https://www.math.fsu.edu 割线:拟牛顿的前身 要说拟牛顿(Quasi-Newton Method)必然要先提到上一节说的牛顿。如果我们不用一般的情况来看它,而直接考虑一元的情况,其实对应的就是下面这张图 ? 所以割线其实就是拟牛顿的前身,因为如果我们设 , ,式子就会变成 这就是拟牛顿的本质。拟牛顿可以好用,一个很重要的地方在于它不需要精确计算二阶信息。 Theorem 6: 设更新公式为 , ,且 收敛到点 ,且 , 对称正定,那么迭代具有Q-超线性收敛速度当且仅当 。 好的,到此我们就算是介绍好了所有的拟牛顿的重要内容。 小结 这一节我们主要关注的是拟牛顿的算法,理论和应用。因为它可以巧妙地避开牛顿中对海塞矩阵的逆的求解,同时可以保证算法具有超线性的收敛速度。

    1.9K10发布于 2021-08-09
  • 来自专栏李才哥

    JavaScript常用数组操作方法,包含ES6

    var arr = [2,3,4,5]; console.log(arr.unshift(3,6)); //6 console.log(arr); //[3, 6, 2, 3, 4, 5] tip:该方法可以不传参数 var a = [5,6,7,8]; console.log(a.splice(1,0,9)); //[] console.log(a); // [5, 9, 6, 7, 8] var b = [5,6,7,8 ]; console.log(b.splice(1,2,3)); //[6, 7] console.log(b); //[5, 3, 8] 九、substring() 和 substr() 相同点:如果只是写一个参数 destruction", "present", "happy"]; var longWords = words.filter(function(word){ return word.length > 6; const bar = ["a", "b", "c"]; Array.from(bar); // ["a", "b", "c"] Array.from('foo'); // ["f", "o", "o"] 6

    62020发布于 2019-07-10
  • 来自专栏杨龙飞前端

    快速排序,冒泡排序

    快速排序 function sort(arr){ if(arr.length<=1){ return arr } var index=Math.floor(arr.length arr[i]); } } return sort(left).concat([arrIndex]).concat(sort(right)); } var arr=[7,8,9,2,5,3,6,1,3,7 ]; sort(arr);   冒泡排序 function sort(arr){ for(var i=0;i<arr.length;i++){ for(var j=i;j<arr.length-

    1K50发布于 2018-06-15
  • 来自专栏懂点编程的数据分析师

    牛顿与拟牛顿

    前言 同梯度下降法一样,牛顿和拟牛顿也是求解无约束最优化问题的常用方法。牛顿本身属于迭代算法,每一步需要求解目标函数的海赛矩阵的逆矩阵,计算比较复杂。 拟牛顿通过正定矩阵近似海赛矩阵的逆矩阵或海赛矩阵,简化了这一计算过程。 需要提前了解的知识 1.泰勒展开 当 ? 在 ? 处具有 ? 阶连续导数,我们可以用 ? 的 ? 牛顿 考虑无约束最优化问题: ? 1.首先讨论单自变量情况 假设 ? 具有二阶连续导数,运用迭代的思想,我们假设第 ? 次迭代值为 ? , 将 ? 进行二阶泰勒展开: ? 其中 ? 拟牛顿 在牛顿的迭代过程中,需要计算海森矩阵 ? ,一方面有计算量大的问题,另一方面当海森矩阵非正定时牛顿也会失效,因此我们考虑用一个 ? 阶矩阵 ? 来近似替代 ? `。 2.常见的拟牛顿 根据拟牛顿条件,我们可以构造不同的 ? ,这里仅列出常用的几种拟牛顿,可根据需要再学习具体实现。

    1.4K20发布于 2020-06-09
  • 来自专栏大数据文摘

    《情报》出台,隐私将死?

    耐心,编者马上为你解释法国《情报》的来龙去脉,以及告诉你,这也许真的和你有点关系。 如果你稍稍关心天下大事,一定还记得今年初发生在巴黎的查理周刊枪击案吧。 法国政府脑洞大开,觉得情报工作存在严重漏洞,于是Duang,《情报》出炉了。 (尽管瓦尔斯总理否认这是继1月份遭遇恐袭之后提出的“应时的法案”,他强调“制定法律的决定是总统在2014年6月做出的”,主要赋予情报机构一个法律框架。) 1 《情报》到底讲了什么? 《情报》目前已提交至参议院,而参议院似乎很有可能通过该法案。针对这个法案,法国人民提前准备好了防范措施来保护自己的私隐。或许他们的经验可以被国人所借鉴。 6 即时通讯信息加密 OTR可以关闭聊天记录,是一个附加在客户端上的插件。 7 保护移动通信 无论是语音数据还是短信,如果无法保护移动通信的元数据,那我们至少可以为数据本身加密。

    98630发布于 2018-05-23
  • 来自专栏罗超频道

    iPhone 6S会带来新一代输入吗?

    对于中文用户而言,输入是否好用很大程度决定了使用手机的整体体验,iPhone本身是一部体验上乘的智能手机,不过它自带的输入却一直让用户懊恼,实在是太难用了——仿佛还停留在微软当年的标准输入时代,很多用户越狱的第一理由正是为了安装第三方输入 输入在iOS处于完全的公开竞争,与Android手机厂商扶持自家或者合作伙伴输入不同,iOS对各家输入一视同仁,并且要求输入都提供“切换”按钮,方便用户快速切换不同输入。 第三方输入对于iOS的支持还是很积极的,而百度此次也赶在搜狗输入等第三方输入竞品前面实现了对iOS9的兼容,证明了自己的实力和响应速度。 ? 输入法体验究竟拼什么? 免费的Cherry机械键盘皮肤 iPhone 6S给输入带来全新可能 iPhone 6S和iPhone 6S Plus在硬件上最受关注的是引入“压力屏”,即3D-Touch功能。 通过特制的屏幕和压力传感器,iPhone 6S提供了“轻按、重按和长时间重按”这几种新的交互方式。从中兴Axon Mini们的动作来看,压力屏很可能成为智能手机接下来的标配,就像指纹识别功能一样。

    1.1K70发布于 2018-04-28
  • 来自专栏glm的全栈学习之路

    抛物线、牛顿、弦截求根实例

    ,要求计算结果准确到四位有效数字 (1)用牛顿 (2)用弦截,取 x0=2,x1=1.9x_0=2,x_1=1.9x0​=2,x1​=1.9 (3)用抛物线,取 x0=1,x1=3,x2=2x_0 套公式编写程序即可注意控制精度,要求准确到四位有效数字,即要求准确解和所得近似解误差不超过 0.5∗10−40.5*10^{-4}0.5∗10−4 ,同时要注意迭代时的变量关系,以下是源代码: (1)牛顿: scanner.close(); double res = getEistimate(x,e,N); System.out.println("牛顿得到的解为 (2)用弦截,取 x0=2,x1=1.9x_0=2,x_1=1.9x0​=2,x1​=1.9 /** * @Title: secant.java * @Desc: TODO * @Package ] (3)用抛物线,取 x0=1,x1=3,x2=2x_0=1,x_1=3,x_2=2x0​=1,x1​=3,x2​=2 /** * @Title: parabolic.java * @Desc

    2.2K50发布于 2020-09-28
  • 来自专栏算法工程师的养成之路

    牛顿与拟牛顿

    牛顿和拟牛顿是求解无约束最优化的常用方法,有收敛速度快的优点. 牛顿法属于迭代算法,每一步需要求解目标函数的海赛矩阵的逆矩阵,计算复杂. 拟牛顿通过正定矩阵近似海赛矩阵的逆矩阵,简化了这个过程. 牛顿 对于无约束优化 min⁡x∈Rnf(x) \min_{x\in R^n} f(x) x∈Rnmin​f(x) x∗x^*x∗是目标的极小值点. 计算HkH_kHk​,并求pkp_kpk​ x(k+1)=x(k)+pkx^{(k+1)} = x^{(k)} + p_kx(k+1)=x(k)+pk​ k=k+1k=k+1k=k+1,转2 拟牛顿 如果HkH_kHk​是正定的,那么可以保证牛顿搜索方向pkp_kpk​是下降方向: 因为搜索方向是pk=−λgkp_k = -\lambda g_kpk​=−λgk​ x=x(k)+λpk=x(k)

    1.3K20发布于 2019-01-18
  • 来自专栏杨龙飞前端

    快速排序,冒泡排序

    快速排序 function sort(arr){ if(arr.length<=1){ return arr } var index=Math.floor(arr.length arr[i]); } } return sort(left).concat([arrIndex]).concat(sort(right)); } var arr=[7,8,9,2,5,3,6,1,3,7 ]; sort(arr);   冒泡排序 function sort(arr){ for(var i=0;i<arr.length;i++){ for(var j=i;j<arr.length-

    76420发布于 2018-06-27
  • 来自专栏用户6093955的专栏

    素数筛(Eratosthenes筛

    介绍 Eratosthenes筛,又名埃氏筛,对于求1~n区间内的素数,时间复杂度为n log n,对于10^6^ 以内的数比较合适,再超出此范围的就不建议用该方法了。 筛的思想特别简单: 对于不超过n的每个非负整数p, 删除2p, 3p, 4p,…, 当处理完所有数之后, 还没有被删除的就是素数。

    1.9K30发布于 2019-09-11
领券