和其光, 同其尘

数字孪生 利用物理模型、传感器数据、历史数据等在虚拟空间中完成映射，反映相对应实体装备的全生命周期过程。 1、开发工具.NET或者Unity Windows 使用WPF (windows Present Framework) macOS/linux使用maui (multi platform application UI)是WPF的扩展 安装maui dotnet workload install maui 2、通信仿真 3、创建项目 创建解决方案（一个解决方案下可以有多个项目） dotnet new sln -n 解决方案名 创建maui项目 dotnet new maui -n 项目名 配置task.json和launch.json 配置时参考命令 task.json 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354{ "version": "2.0.0&qu ...

背景 传统javaweb开发的困惑 1234567891011121314151617181920//用户账户信息修改业务方法public void updateUserInfo(User user){ try{ //开启事务 DaoUtils.openTransaction(); //获得UserDao执行插入User数据到数据库操作 UserDao userDao = new UserDaoImpl(); userDao.updateUserInfo(user); //修改成功后，向用户行为日志表中插入一条数据，内容：修改时间等信息 userLog.recodeUserUpdate(user); //提交事务 DaoUtils.commit(); }catch (Exception e){ //回滚事务 DaoUtils.rollback(); //向异常日志表中插入数据 ExceptionLog exceptionLog = new ExceptionLo ...

12345678910111213141516模版1、研究目标：2、难点：3、背景：4、方法：5、相关研究：6、指标：7、分析：8、改进： Explainable data-driven formulation of chloride migration coefficient of eco-friendly concrete based on advanced automatic programming 1、研究目标： 给出一个可以解释的数据驱动方法，该方法可以使用人工蜂群表达式编程和基因表达式编程来构建混凝土的氯离子迁移系数公式，目的是克服黑盒机器学习模型的局限同时实现高准确性。 2、难点： 传统数据驱动方法对从业者不方便以及缺乏可解释性。 在混凝土设计中氯离子迁移性的评估是重要且困难的任务。做实验评估氯离子迁移需要的成本高、时间投入多以及资源需求。 需要高效且有效的评估方法。 Q:当前的评估方法的参数量有限同时对专门的数据集做各种假设，因此这些方法的泛化性和精度会进行折衷。 设计一个可靠、简单的基于物理的模型预测氯离子迁移性同时考虑所有影响因素很困难。 许多变量 ...

OpenGL概念 用于渲染2D、3D矢量图形的跨语言、跨平台的应用程序编程接口（API）。Open Graphics Library由Khronos组织制定并维护的规范。OpenGL核心是一个C库，同时也支持多种语言的派生。 框架：OpenGL+Qt 没有Qt需要配置第三方库GLFW和GLAD。 GLFW解决操作系统层面的不同，如果窗口、上下文、用户输入都自己做太麻烦： 创建窗口，GLFW做 定义上下文，GLFW做 处理用户输入，GLFW做 GLAD使得代码可以用于不同的OpenGL驱动 OpenGL本身只是标准/规范。对于软件和硬件的适配OpenGL不管，由程序猿来做。 各个厂家具体实现方式可以不同。 没有GLAD，windows下需要通过函数指针调用显卡的函数，但是显卡驱动具体函数的地址只有在运行时才知道。 1234567//define the function's prototypetypedef void (*GL_GENBUFFERS) (GLsizei, GLuint*);//find the function and assign it t ...

CMake CMakeLists.txt 指定语言版本 1set(CMAKE_CXX_STANDARD 11) CMAKE_开头的变量都是CMAKE内置变量，CMAKE保留变量 配置编译选项 123add_compile_options(-Wall -Wextra -pedantic -Werror)#或者set(CMAKE_CXX_FLAGS ""${CMAKE_CXX_FLAGS} -pipe -std=c++11"") 配置编译类型 类型可设置为：Debug, Release, RelWithDebInfo, MinSizeRel。可以针对不同的编译类型设置不同的编译选项 123set(CMAKE_BUILD_TYPE Debug)#-g开启调试信息 -o0不进行代码优化set(CMAKE_CXX_FLAGS_DEBUG "${CMAKE_CXX_FLAGS_DEBUG} -g -O0") 全局宏定义 通过判断不同的宏定义在命令行cmake -DDEBUG=1 -DR ...

Research on Self-Diagnosis and Self-Healing Technologies for Intelligent Fiber Optic Sensing Networks背景 传统单个光线传感器 优：精度高，稳定。 缺：体系不能太大，环境不能太复杂。 传感器网络 优：信息传输和处理能力，适应大尺度协同监测和复杂环境。 缺：在不稳定条件下或极端环境下数据丢失。 改：传感器网络需要自我诊断和恢复能力。 方向： 设计网络拓扑结构。 研究自我诊断和恢复。 信号解调。 三层环光纤传感器 优：重构恢复路径。 缺：无故障诊断描述、无恢复控制过程描述，应用受限，系统优化受限。 被动式布拉格光栅光纤传感器网络 缺：无故障诊断描述、无恢复控制过程描述，应用受限，系统优化受限。 智慧控制系统 优：有恢复控制功能。 故障解析和系统监测方法 对光纤布拉格光栅施加张力并用基于门循环单元的神经网络分析的方法 优：对重叠光谱实现解调，增强多路复用能力，提升光纤传感器网络综合性能。 光时间域反射测量（OTDR:optical time domain refle ...

DeepSeek DeepSeek可以做什么 对话、语言理解、计算推理、代码生成补全，文本生成，支持文件上传、读取文件及图片中的文字内容。 知识处理体系：通用/专业领域问答，图集推理，逻辑推理。 自然语言处理：文本分析，语义理解，实体识别、故事创作。 交互能力：上下文理解、多轮对话、任务执行 方案规划：从数据的可视化流程优化，建议生成 推理模型：在传统大语言模型基础上强化推理、逻辑分析和决策能力，借助强化学习、神经符号推理、元学习等手段，思维链。例如：DeepSeek-R1, GPT-o3 非推理模型:侧重于语言成生成、上下文理解和自然语言处理。需要对大量文本数据训练以掌握语言规律，概率生成，没有思考过程（思维链拆解）。DeepSeek-V3, GPT-3,GPT-4,BERT 提示语是用户输入AI系统的指令或信息，引导AI生成特定的输出或执行特定任务。 指令：告诉AI执行什么任务 上下文：提供背景信息，帮助AI理解任务和执行任务 期望：明确或隐含的表达期望AI输出内容 架构 特点：混合专家模型（MoE），MLA 算法：强化学习 状态S：输入prompt 动作A：输出re ...

maven资料 maven书籍和视频介绍：http://pan.baidu.com/s1hq00qLA 国外资料介绍、引导、书籍：http://www.tutorialspoint.com/maven/index.htm maven官网：http://maven.apache.org/ 简单知识点 maven是什么：java管理和构建工具，管理定义项目结构、项目依赖，用统一方式进行自动化构建 项目结构 构建流程：编译->测试->打包->发布（部署） 只需要服务器安装Tomcat在启动构建，就会自动执行：清理->编译->测试->报告->打包->部署，这样的一套流程 包管理： 旧有方式：一个项目下有一个lib，java包放入lib中，所以随着项目增多，java包也增长 maven仓库管理: 多个项目共享同一个仓库，用仓库将java包和项目分离 依赖传递机制解决项目内java包之间的版本冲突 maven仓库：1、OSChina, 2、公共仓库 使用仓库的目的：将不同项目的java包统一管理（下载，配置， ...

Spring Boot简介spring团队开发的框架简化spring应用开发。早期J2EE开发笨重，配置繁多，开发效率低，部署流程复杂，第三方集成困难。springboot整合了整个spring开发栈，不需要对每个栈分别学习开发，j2ee一站式解决方案优点： 快速建立独立运行的spring项目以及与主流框架集成。 使用嵌入式servlet容器，应用无需打成war包， 如果用war包系统要有tomcat。 starters启动器自动依赖与版本控制。 自动配置。不需要了解大量的配置。 无需配置xml,无代码生成，开箱即用。 生产环境运行时应用监控。 云计算的天然集成。缺点：入门容易精通难，要了解些spring框架底层的api。微服务martin fowler 2014描述微服务：https://martinfowler.com/articles/microservices.html#MicroservicesAndSoa一种架构风格，一个应用应该是一组小型服务，可以通过http的方式进行互通。 单体服务：每个功能元素放进同一个进程中，通过多个服务器复制该单体进行扩展。优点：开发测试简单， ...

蚁群算法蚁群算法（Ant Colony Optimization, ACO） 是一种基于群体智能的元启发式算法，灵感来源于蚂蚁觅食行为。蚂蚁在寻找食物时，会通过释放信息素（pheromone）来标记路径，其他蚂蚁会根据信息素的浓度选择路径。通过模拟这一行为，ACO 可以有效地解决组合优化问题，如旅行商问题（TSP）。 蚁群算法的基本思想 蚂蚁的路径选择： 每只蚂蚁根据信息素浓度和启发式信息（如距离）选择下一个要访问的城市。 信息素浓度越高，路径被选择的概率越大。 信息素更新： 蚂蚁完成一次遍历后，会根据路径的长度更新信息素。 路径越短，信息素增加得越多。 正反馈机制： 信息素的积累和挥发形成正反馈机制，使得较优路径的信息素浓度逐渐增加。 TSP问题描述假设有n个城市，城市之间的距离用一个距离矩阵$D$表示， $D_{ij}$表示城市i,j之间的距离。目标是找到一个路径或排列$\pi=(\pi_1,\pi_2, …, \pi_n)$,使得以下总距离最小： 总距离=D_{\pi_1\pi_2}+D_{\pi_2\pi_3}+\cdots+D_{\pi_{n-1}\p ...