登录社区云,与社区用户共同成长
邀请您加入社区
无人机在军事、民用领域应用日益广泛,其路径规划问题成为关键研究方向之一。本文针对威胁区域存在的无人机路径规划问题,提出一种基于凸优化算法的解决方案。该算法将路径规划问题转化为凸优化问题,并利用Matlab工具进行求解,有效避免传统路径规划算法陷入局部最优解的缺陷,并能高效、稳定地生成安全、高效的无人机飞行路径。一、引言随着无人机技术的快速发展,其应用领域不断拓展,包括军事侦察、空中巡逻、物流配送、
程序代码如下1、function x=easydiedai(g,x0,eps,N)k=0;while k<Nx=feval(g,x0);if abs(x-x0)<eps && 0<=x && x<=1%本题要求根在[0,1]内breakendx0=x;k=k+1;endfprintf('迭代次数为%d,根为%s',k+1,x)if ...
由于自己最近在学习聚类分析,也算是一个入门,相当于将自己这段时间的学习成果进行一个总结,分享给更多打算学习聚类分析或者需要用到聚类分析的同学们~在了解K-MEANS聚类分析之前,我们首先明确聚类的含义,聚类是将数据分类到不同的类或者簇这样的一个过程,所以同一个簇中的对象有很大的相似性,而不同簇间的对象有很大的相异性。因此聚类分析顾名思义,就是在做一个分类的工作。聚类分析是根据在数据中发现的描述对象
This time, you are supposed to find A+B where A and B are two polynomials(多项式).Input Specification:Each input file contains one test case. Each case occupies 2 lines, and each line contain...
对Matlab Smooth 函数的简介以及自己编写的几个去噪函数(除噪点外的其他数据不变)
字节跳动一面先自我介绍一下 介绍一下之前实习的内容。动态链接库 静态链接库的区别实习时遇到的最大的挑战性能方面的考虑实习时最大的收获是什么操作系统的文件系统inode的内容软连接 硬链接mv的话 inode会+1么对分布式了解么对容器Docker了解么http请求 版本1 1.1 2的区别怎么样提升http请求的效率增加服务器的连接池大小 可以提高性能么websocket用过么 和http比有什么
利用GraphX自带的社会网络数据集实例,用户集合数据集存在/usr/local/Spark/data/graphx/users.txt,用户关系数据集存在/usr/local/Spark/data/graphx/followers.txt。静态的PageRank算法运行在固定的迭代次数,动态的PageRank算法运行直到整个排名收敛(eg:通过限定可容忍的值来停止迭代)。PageRank同样可以
本文首次对训练后语言模型(PoLMs)进行了全面调查,系统地追踪了其从2018年ChatGPT的对齐起源到2025年DeepSeek-R1的推理里程碑的发展轨迹,并肯定了它们在推理精度、领域适应性和伦理完整性方面的变革性影响。作者评估了广泛的技术(即微调、对齐、推理、效率和集成与适应),综合了它们在专业、技术和交互领域的贡献,从法律分析到多模态理解。
李晨等人5将DEED问题按时段分解为多个子问题﹐然后对每个子问题独立优化,将各子问题的 Pareto解组合作为 DEED问题的Pareto 解,该方法降低了问题的求解难度﹐但所获的Pareto解往往具有局部性。%===============总排放量========================%===============总燃料成本======================%=======
在众多排序算法中,插入排序作为一种简单直观的排序方法,虽然在大规模数据集上可能不是最高效的选择,但其独特的优势使得它在某些场景下仍然非常有用。插入排序的基本思想与我们日常生活中整理书籍或卡片的方式非常相似:将未排序的部分逐一取出,然后在已排序的部分中找到合适的位置插入。这种直观的操作方式使得插入排序易于理解和实现,成为学习排序算法时的基础课程。
本文系统介绍了图数据结构的核心概念、存储方式及经典算法。首先阐述了图的定义(顶点集合V和边集合E),区分了有向图与无向图,并介绍了完全图、连通图、生成树等基本概念。其次详细讲解了两种存储结构:邻接矩阵(适合稠密图)和邻接表(适合稀疏图),并提供了C++实现代码。在算法部分,重点介绍了图的遍历(BFS和DFS)、最小生成树算法(Kruskal和Prim)、单源最短路径算法(Dijkstra和Bell
Java是一种面向对象的编程语言,具有简单性、面向对象、分布式、健壮性、安全性、平台独立与可移植性、多线程和动态性等特点。它由Sun Microsystems(现被Oracle收购)开发,最初被命名为Oak语言,后改为Java。Java的设计目标是“一次编写,到处运行”(WORA),这意味着编写的代码可以在任何平台上运行,只要该平台安装了Java虚拟机(JVM)。Java广泛应用于桌
作业对心脏病数据集完成特征筛选,对比精度代码实现。
ORBextractor是 ORB(Oriented FAST and Rotated BRIEF)特征提取器的构造函数,用于初始化 ORB 特征提取器的各项参数和内部数据结构。
MMTEB的研究成果为嵌入模型的选型提供了一种全新的评判标准,打破了“模型越大越优”的固有观念。无论是对预训练数据的多语种覆盖要求,还是对指令微调带来的性能提升,这项研究都强调了科学评测的重要性。未来,随着多语言应用需求的不断增加,这种以任务导向、成本敏感为核心的评测体系必将推动整个行业向更高效、更精准的方向发展。总之,MMTEB不仅为开发者提供了一份详尽的嵌入模型能力图谱,也为全球多语言RAG系
大型语言模型 (LLM) 已经彻底改变了人工智能,影响了各个科学和工程学科。最初为机器翻译设计的 Transformer 架构已成为 GPT 模型的基础,极大地推进了该领域的发展。然而,当前的 LLM 在其训练方法上面临着挑战,该方法主要侧重于在保持因果关系的同时,根据先前上下文预测下一个 token。这种直接的方法已应用于各种领域,包括机器人技术、蛋白质序列、音频处理和视频分析。
文章摘要: LQR(线性二次调节器)和MPC(模型预测控制)是两种控制方法。LQR像骑自行车的“条件反射”,提前计算固定规则(公式u = -Kx),执行时快速响应但不考虑现实限制(如转向幅度或越界),适合高速稳定控制(如无人机平衡)。MPC则像开车时“走一步看三步”,每一步都根据当前状态预测未来轨迹,优化动作计划并遵守约束(如限速、避障),但计算量较大,适合复杂任务(如自动驾驶)。LQR速度快但灵
MobileOCR: 极小模型,集成轻量级卷积 + CRNN,适合资源受限设备。Tesseract: Google 开源 OCR 引擎,需配合图像预处理和版面分析。YOLOv8-Text: Ultralytics 推出,利用 YOLOv8 框架进行文本检测。SwinTextSpotter: 使用 Swin Transformer backbone,性能优于大部分传统方法。PP-OCRv3: 百度飞
陌讯多模态融合算法显著提升液体泄漏检测精度,误报率降低76%。该技术通过"环境感知-特征融合-动态决策"三阶架构,融合可见光与红外热成像特征,并采用加权注意力机制实现动态特征聚合。在工业测试中,算法mAP达到0.897,误报率仅6.8%,推理延迟42ms。某化工厂实际部署显示,日均误报次数从27次降至3次,响应速度提升90%。文章还提供了模型量化和数据增强等优化建议,使量化后模
预训练+微调范式的兴起成为 LLM 发展的关键转折。通过在特定领域的文本数据上进行微调,模型能够学习到该领域的特有词汇、语法和语义特征,从而提升在相关领域任务上的性能。在 NLP 中,微调通常涉及在预训练模型的基础上,使用小规模的任务特定数据集继续训练模型,以优化其在该任务上的表现。• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习
实时数据库简介1.前言 一提到数据库,大家肯定会想到SQL Server、Oracle等关系型数据库。实际上,数据库的种类非常多,在计算机发展的历史上,存在着多种类型的数据库。早期,关系型数据库与层次型数据库、网络型数据库并驾齐驱,但关系型数据库依靠其描述简单、实
几大最短路径算法比较 July、二零一一年二月十二日。----------------------------------- 几个最短路径算法的比较:Floyd 求多源、无负权边的最短路。用矩阵记录图。时效性较差,时间复杂度O(V^3)。 Floyd-Warshall算法(Floyd-Warshall algorithm)是解决任意两点间的最短路径的一种算法,可以正确处理
随着现代物流行业的发展,化学品车辆运输的安全问题日益凸显。传统的静态路径规划方法无法有效应对道路状况变化、交通拥堵、突发事件等动态因素的影响,导致运输效率低下,甚至引发安全事故。本文提出了一种基于粒子群算法的动态化学品车辆运输路径规划方法,该方法能够根据实时路况信息动态调整路径,有效提高运输效率,并降低安全风险。文章还提供了Matlab代码实现,方便读者进行实际应用。
目标检测的图像特征提取之(一)HOG特征zouxy09@qq.com1、HOG特征: 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的
上机内容:正三角上机目的:利用循环设计我的程序:/* * Copyright (c) 2011, 烟台大学计算机学院 * All rights reserved. * 作 者:徐本锡 * 完成日期:2012 年 10 月11 日 * 版 本 号:v1.0 * * 输入描述: 设计图形* 问题描述: SMILE * 程序输出: 输出三角图形* 问题分
上机内容:验证“向零取整”的语法规则上机目的:学会用“撞错”理解语法要求的方法/* * Copyright (c) 2012, 烟台大学计算机学院* All rights reserved.* 作 者: * 完成日期:2012年 10月18 日* 版本号:v1.0** 输入描述:无* 问题描述:设计一个包含错误的程序,验证”向零取整”语法规则,学会
上机内容:计算两点间距离上机目的:给出坐标求距离/* * Copyright (c) 2012, 烟台大学计算机学院* All rights reserved.* 作 者: 徐本锡* 完成日期:2012年 10月18 日* 版本号:v1.0** 输入描述:无* 问题描述:利用两点间距离公式求距离* 程序输出:“距离:”* 问题分析:无
Range Module is a data structure for tracking numeric ranges, supporting add, query, and delete operations for half-open intervals [left, right). The core idea of the implementation is to manage int
本文为原创技术解析,核心技术参数与架构设计引用自《陌讯技术白皮书》,禁止未经授权的转载与商用。
TCP/IP 协议是网络通信领域的一项重要协议。今天你的任务,就是尝试利用这个协议,还原一个简化后的网络连接场景。在本问题中,计算机分为两大类:服务机(Server)和客户机(Client服务机负责建立连接,客户机负责加入连接。需要进行网络连接的计算机共有 nn 台,编号为 1 \sim n1∼n,这些机器将按编号递增的顺序,依次发起一条建立连接或加入连接的操作。每台机器在尝试建立或加入连接时需要
图是由顶点集合及顶点间的关系组成的一种数据结构。关于图的一些基本概念我们要清楚。图的创建有两种方法,一种是邻接矩阵,一种是邻接表。我们都有实现。图的遍历有BFS,DFS。构造最小生成树的方法:Kruskal算法和Prim算法。这两个算法都采用了逐步求解的贪心策略。Kruskal算法是在全局找最优解,Prim算法局部找最优解。最短路径分为单源最短路径和多源最短路径,单源最短路径有Dijkstra算法
incontext learning,通过设计特定提示(零样本和少样本)来引导 LLM 的行为,比如构建聊天机器人。速度快,不需要训练,但是比起微调不太容易控制RAG,将大模型和外部知识检索结合,比如构建基于专有知识和动态数据集的机器人。内容可以动态更新,且减少模型幻觉,但是推理成本会增加,并且还需要外部知识库和数据库(比如向量数据库)
无人机在复杂山地环境中执行任务时,路径规划至关重要,直接影响无人机的能耗和任务完成效率。本文提出了一种基于改进蜣螂算法、蜣螂算法、遗传算法和粒子群算法的无人机三维路径规划方法。该方法通过改进蜣螂算法的搜索策略,增强了算法的全局搜索能力和收敛速度。同时,结合蜣螂算法、遗传算法和粒子群算法的优势,实现了多策略协同优化,进一步提高了路径规划的质量。在复杂山地环境下的仿真实验表明,该方法能够有效规划出低能
人工智能与大数据专业毕业设计(论文)选题指导 选题合集涵盖了深度学习、机器学习、算法、人工智能、大数据、信息安全、推荐系统、目标检测等多个热门领域。对于计算机专业、软件工程专业、人工智能专业、大数据专业的毕业生而言,选择一个合适的毕业设计选题至关重要。在这个毕业设计选题合集中,我们精心收集了各种有趣且具有挑战性的选题,旨在帮助学生们在毕业设计中展现他们的技术实力和创新能力。不论是对于对深度学习技术
一、引言随着科技的快速发展,无人机技术在各个领域都得到了广泛的应用,如航空摄影、货物运输、环境监测等。尤其是在山地环境下,由于地形复杂,传统路径规划方法难以满足需求,因此研究无人机三维路径规划算法显得尤为重要。传统的无人机路径规划算法主要基于图搜索、启发式算法等,但在处理复杂山地环境时面临着诸多挑战,例如:**地形复杂度高:**山地地形起伏不定,存在大量障碍物和狭窄通道,给路径规划带来了极大的困难
【摘要】仓库鼠患监测面临夜间识别率低(51%)、小目标漏检(<60%)和误报率高(23%)三大痛点。陌讯算法创新采用多模态融合+动态注意力架构:1)跨光谱特征融合提升夜间mAP至79%;2)小目标增强网络使10-15cm鼠类检出率达89%;3)动态背景抑制降低误报至6.7%。某食品仓实测显示,部署后识别准确率92.3%,月均损失减少8.6万元。相比开源方案,陌讯算法综合性能提升15%-35%
(1)socket 是一个编程接口(2)是一种特殊的文件描述符 (everything in Unix is a file)(3)socket是一种通信机制,并不仅限于TCP/IP协议(4)面向连接 (Transmission Control Protocol - TCP/IP)(5)无连接 (User Datagram Protocol -UDP 和 Inter-network Packet E
已知n+1个节点()(j=0,1,...,n,其中互不相同,不妨设a=<...<=b),求任一插值点)处的插值解决方法:构造一个相对简单的函数y=f(x),通过全部节点,即f()=再用f(x)计算插值,即=f(
*?**大模型LLM(Large Language Models) 通常采用基于Transformer的架构。Transformer模型由多个编码器或解码器层组成,每个层包含多头自注意力机制和前馈神经网络。这些层可以并行处理输入序列中的所有位置,捕获长距离依赖关系。大模型通常具有数十亿甚至数千亿个参数,可以处理大量的文本数据,并在各种NLP任务中表现出色。