- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器学习、深度学习
Fundamental concepts about Optics
Book: Optics F2f From Fourier to Fresnel A particularly useful solution of the wave equation is a wave Often in optics it is possible to consider only one component of the field.
27230编辑于 2023-10-17 - 来自专栏睐芯科技LightSense
高斯光学(Gaussian optics)或傍轴光学(paraxial optics)
它是高斯首先提出来的，因此又称高斯光学(Gaussian optics)或傍轴光学(paraxial optics)。资料：《近代光学系统设计概论》，宋菲君等。
83510编辑于 2024-08-03 - 来自专栏生信修炼手册
OPTICS聚类算法详解
为了降低参数设置对聚类结果造成的不稳定性，在DBSCAN算法的基础上，提出了OPTICS算法，全称如下 Ordering Points to identify the clustering structure 可达距离则用于对样本点进行排序，这也是OPTICS算法中Ordering Points的由来。该算法的具体过程如下 1. 在scikit-learn中，使用OPTICS聚类的代码如下 >>> from sklearn.cluster import OPTICS >>> import numpy as np >>> X = np.array([[1, 2], [2, 5], [3, 6],[8, 7], [8, 8], [7, 3]]) >>> clustering = OPTICS(min_samples=2).fit
3.1K20发布于 2021-03-24 - 来自专栏硅光技术分享
共封装光学(co-packaged optics)简介
共封装光学(以下简称CPO)，英文名为co-packaged optics或者in-package optics，仅仅从这个名字出发，感觉似乎少了点什么，光学和谁封装在一起？ （图片来自https://blogs.cisco.com/sp/co-packaged-optics-and-an-open-ecosystem） 带宽每两年翻一番，而Serdes的速率每三年翻一番。 （图片来自https://blogs.cisco.com/sp/co-packaged-optics-and-an-open-ecosystem） 将光引擎和交换芯片的距离拉近，封装在一起，可以有效地降低整个系统的功耗
10K51发布于 2021-03-13 - 来自专栏野生AI架构师
明月机器学习系列016：OPTICS聚类算法详解
每个点的可达距离是OPTICS算法输出的主要结果，在实际聚类的时候，传递一个可达距离的阀值，就能将样本点聚类了。 至此，所有点都已经处理完毕，OPTICS算法完成。 聚类结果 ---- OPTICS算法输出其实并不是最终的聚类类别，只是各个点的最小可达距离，如果需要聚类结果，只需要一个距离阀值，如下图： 如上图，横轴是OPTICS输出的排序好的样本点，纵轴是每个样本点的可达距离 OPTICS与DBSCAN ---- OPTICS算法是从DBSCAN算法中优化而来，解决了DBSCAN中一个重要的参数（邻域半径）依赖问题。 该图来自sklearn官方文档，显示了OPTICS和DBSCAN两种算法的聚类结果的对比。
4.3K10发布于 2021-10-28 - 来自专栏3D视觉从入门到精通
双双棱镜同轴结构光三维测量系统（Applied Optics 2022）
Title: Dual-biprism-based coaxial fringe projection system 期刊: Applied Optics 年份：2022 作者：Jian Li1, Shumeng 图10 传统测量系统缩短基线的测量结果 供稿人简介： 邓吉，西南交通大学机械工程学院助理教授，长期从事光学无损检测与轨道交通智能运维等方面的研究，在Optics Express、Optics and Lasers in Engineering、Signal Processing、Applied Optics等光学与信号处理领域的著名期刊发表高水平论文十余篇，研究主页为https://www.researchgate.net
1K20编辑于 2022-06-28 - 来自专栏韩曙亮的移动开发专栏
【数据挖掘】基于密度的聚类方法 - OPTICS 方法 ( 算法流程 | 算法示例 )
文章目录 OPTICS 算法 两个阶段 OPTICS 算法 第一阶段 生成族序 待处理队列样本的 核心距离 与 可达距离 OPTICS 算法 第二阶段 数据准备 OPTICS 算法 第二阶段 工作流程 OPTICS 算法 示例 题目 OPTICS 算法 示例 人为判断 OPTICS 算法 示例 第一次迭代 OPTICS 算法 示例 第二次迭代 OPTICS 算法 示例 第三次迭代 OPTICS 算法 示例 第四次迭代 OPTICS 算法 示例 第五次迭代 OPTICS 算法 示例 第十六次迭代 OPTICS 算法 示例 第二阶段聚类分析 OPTICS 算法 两个阶段 ---- 第一阶段 生成族序 : 可达距离 ( 实时更新 ) : 每次提取样本时 , 都基于一个样本 p 计算与另外 所有的 密度可达 的样本的 可达距离 , 基本每次都要重新计算 , 这个可达距离每次迭代 , 都要修改一次 ; OPTICS 处理过程 : 根据 族序 处理每个样本对象 ; 每个样本对象都有 族序 , 核心距离 , 可达距离 属性 ; OPTICS 算法 第二阶段 工作流程 ---- 1 .
1.8K20编辑于 2023-03-27 - 来自专栏韩曙亮的移动开发专栏
【数据挖掘】基于密度的聚类方法 - OPTICS 方法 ( 核心距离 | 可达距离 | 族序 )
-邻域 内可能有多于 MinPts 个样本 , 但是我们只取其半径范围内 恰好 有 MinPts 样本的 半径值
1.3K20编辑于 2023-03-27 - 来自专栏新智元
这只「蚂蚁」能拍照！普林斯顿造出微米级相机，个头缩小到50万分之一
这个小薄片名叫「Neural Nano-Optics」，学名「metasurface optics」，意为超构表面光学器件。 有没有看到中间拿一圈白色的部分，没错，这个就是成像装置。 成像效果的话，研究人员表示，「Neural Nano-Optics」和体积大50万倍的Edmund Optics 50mm F2.0镜头在不少场景下可以做到旗鼓相当（不是我说的，是原文说的on par 这种可微分方法Neural Nano-Optics与可选的前向模拟方法（如时域有限差分模拟）进行比较时，两者精度是近似的，但可微分方法Neural Nano-Optics比FTDT等全波模拟方法的效率高 可微分框架Neural Nano-Optics的学习方法和相应的优化流程 Neural Nano-Optics的端到端训练优化过程是这样的。 Neural Nano-Optics应用 Neural Nano-Optics的出现有可能会使相机、显示器以及其他光学设备发生革命性改变。
67640编辑于 2021-12-08 - 来自专栏不换的随想乐园
不换的周刊 第30期
tip hint important "温馨提示" 周刊中所有高亮的内容都可以点击到指定内容的链接～ 如果您正处在微信公众号，请直接滚动至底部->阅读原文 关键词： TypeScript、Optics 2.Comparing Optics with Jotai[3] 相关地址：https://unfocused.blog/posts/comparing-optics-with-jotai Optics boat-sunset-JZJV1VFOWV [2] React 官方出的 TypeScript 教程: https://react.dev/learn/typescript [3] Comparing Optics with Jotai: https://unfocused.blog/posts/comparing-optics-with-jotai [4] 使用 React Email 创建电子邮件模版: https
17010编辑于 2024-04-30 - 来自专栏野生AI架构师
明月机器学习系列023：表格识别（二）
我们还是聚类算法，这里我们使用另一个Optics算法（DBSCAN算法的升级版本），这里选用Optics而不用DBSCAN的原因主要是我们之前已经实现过一次，支持自定义距离，而scikit-learn中的 DBSCAN和Optics算法都不支持自定义距离。 l_type2, a2, b2, x21, y21, x22, y22 = line2.data if l_type1 == l_type2: # 平行 return Optics.inf 计算到线2的距离 dist2 = point_line_dist(l_type2, x21, y21, x22, y22) return dist1 + dist2 把这个距离函数传入Optics = Optics(max_radius, min_samples, distance=distance) optics.fit(data) return optics.cluster(
1.4K10发布于 2021-10-28 400G/800G网络端到端光互连技术路线
根据上图可以发现，现有400G以上光模块产品，由于采用PAM4加DSP的RPO（Retimed Pluggable Optics，详见图2）解决方案，功耗相比100G光模块大幅增加，其中DSP的功耗大约为 1.CPO（Co-packaged Optics）：取消可插拔光模块，用板载光学封装进行光互联。 2.LPO（Linear Pluggable Optics）：采用可插拔光模块，取消光模块中的DSP芯片。优点：彻底取消了DSP，光模块功耗大幅下降；缺点：在标准化和互联互通方面有很大的挑战。 3.TRO（Transmitter Retimed Optics：采用可插拔光模块，取消接收端的DSP芯片，保留发射端的DSP芯片。
96310编辑于 2024-08-09- 来自专栏腾讯多媒体实验室
腾讯携手谷歌在SPIE 2025组织体积视觉媒体Special Session，多媒体实验室5篇论文入选
Link: https://spie.org/optics-photonics/presentation/Efficient-coding-of-repeated-mesh-connected-components-via-connectivity-skip Link: https://spie.org/optics-photonics/presentation/Efficient-texture-coordinate-prediction-guided-by-mesh-geometry Link: https://spie.org/optics-photonics/presentation/Efficient-determination-of-orientable-manifold-polygon-meshes Link: https://spie.org/optics-photonics/presentation/Encoding-decoding-and-rendering-pipeline-for-multiview-streaming-and-display Link: https://spie.org/optics-photonics/presentation/Connectivity-regularization-for-triangular-meshes
25610编辑于 2025-08-20 - 来自专栏光芯前沿
OCP 2024：Nubis的1.6T硅光线性直驱CPO光引擎
通过CPO拉近的方式，实现Making optics look like copper的效果。 具体的技术分析有很多公众号讲过了，感觉这次他也没有新的内容，这里就只分享他的ppt出来了。 不过看他起的名字Socket-Mountable Optics，倒是跟旭创讲的Mountable CPO很像了。
32900编辑于 2025-04-08 - 来自专栏VRPinea
12.14 VR扫描：Magic Leap或下周发布新品；Dreamscape Immersive完成3000万B轮融资
Lumus联手Deep Optics，为AR眼镜带来动态聚焦技术 今日，AR显示器开发生产商Lumus宣布联手新型电子透镜厂商Deep Optics，为Lumus AR光学组件带来动态聚焦技术。 通过将Deep Optics的透镜叠加在AR显示器上，Lumus让AR眼镜能够无缝地展示出，同样清晰的近距离、远距离内容视图。
74550发布于 2018-05-17 - 来自专栏硅光技术分享
TSMC的硅光封装路线
文献1中首先回顾了硅光封装形式的演变，从pluggable optics到on-board optics, 再到最近非常火热的co-packaged optics, 如下图所示， 为了达到更大的带宽和更高的能效比
2.6K30发布于 2021-09-18 - 来自专栏拓端tecdat
R语言文本挖掘NASA数据网络分析，tf-idf和主题建模|附代码数据
7452## 3 ATMOSPHERE 7321## 4 Ocean Color 7268## 5 Ocean Optics item2 n## <chr> <chr> <dbl>## 1 OCEANS OCEAN OPTICS EARTH SCIENCE ATMOSPHERE 7318## 3 OCEANS OCEAN COLOR 7270## 4 OCEAN OPTICS
58220编辑于 2022-11-01 - 来自专栏数据派THU
8个常见的无监督聚类方法介绍和比较
K-Means Affinity Propagation Agglomerative Clustering Mean Shift Clustering Bisecting K-Means DBSCAN OPTICS OPTICS算法的核心思想是：对于一个给定的数据点，通过计算它到其它点的距离，确定其在密度上的可达性，从而构建一个基于密度的距离图。然后，通过扫描该距离图，自动确定簇的数量，并对每个簇进行划分。 OPTICS算法的优点是能够自动确定簇的数量，并能够处理任意形状的簇，并能够有效地处理噪声数据。该算法还能够输出聚类层次结构，便于分析和可视化。 from sklearn.cluster import OPTICS import matplotlib.gridspec as gridspec #Build OPTICS model: clust = OPTICS(min_samples=3, min_cluster_size=100, metric='euclidean') # Run the fit clust.fit(X) space
80430编辑于 2023-04-03 - 来自专栏硅光技术分享
OFC 2021: 共封装光学CPO进展汇总
OFC 2021有一个关于CPO(co-packaged optics)的workshop讨论，标题是"Are we on the right track to bring co-packaged optics 关于CPO的基础知识，可以参看这篇笔记共封装光学(co-packaged optics)简介。小豆芽这里整理下OFC 2021相关的最新进展。 1.
6K31发布于 2021-07-30 - 来自专栏Python编程爱好者
通透！十大聚类算法全总结！！
OPTICS OPTICS（Ordering Points To Identify the Clustering Structure）算法是一种用于数据聚类的算法，与DBSCAN算法类似，但在处理可变密度的数据集时更为有效 类来实现OPTICS算法，并展示结果： from sklearn.cluster import OPTICS import matplotlib.pyplot as plt import numpy as np # 示例数据 X = np.random.rand(100, 2) # OPTICS模型 optics_model = OPTICS(min_samples=5, xi=0.05, min_cluster_size =0.1) optics_model.fit(X) # 可视化 space = np.arange(len(X)) reachability = optics_model.reachability_[ optics_model.ordering_] labels = optics_model.labels_[optics_model.ordering_] plt.figure(figsize=(10
12.2K21编辑于 2023-11-28
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