当前位置: 首页 > article >正文

【高等数学】第一讲:函数与初等函数

目录函数的基本概念函数的表示法函数的几种重要特性有界性例子区间的有界性仅单侧有界的函数单调性全定义域上严格单调的函数分区间单调的函数奇偶性偶函数奇函数分段函数奇偶性分段奇函数分段偶函数周期性初等函数常数函数幂函数定义域核心性质单调性奇偶性指数函数定义域值域必过定点运算核心法则自然指数函数对数函数指数与对数的互化自然对数运算法则三角函数sin函数函数性质诱导公式cos函数函数性质诱导公式tan函数函数性质诱导公式和差角公式余弦差公式余弦和公式正弦和公式正弦差公式正切和公式正切差公式二倍角公式复合函数前言高等数学主要包括线性代数、微积分、概率论与数理统计是深度学习的基石和灵魂。如果没有这些数学工具深度学习将只是一堆无法理解、无法优化、无法解释的代码黑盒。其中微积分就是动态的优化过程。深度学习的核心目标是最小化损失函数这完全依赖微积分。所以从这篇文章开始我们学习高等数学的知识笔者水平有限不足之处多多包涵。函数的基本概念设 D 是一个非空实数集如果存在一个对应法则 f使得对于每一个 x∈D都有唯一确定的实数 y 与之对应则称 f 是定义在 D 上的函数记作其中 x 称为自变量y 称为因变量或函数值D 称为定义域函数值的集合 {f(x)∣x∈D} 称为值域。注意函数的两个要素是定义域和对应法则而值域由两者确定。函数的表示法解析法用数学式子表示如 yx1。图像法在坐标系中用曲线表示直观反映变化趋势。函数的几种重要特性有界性有上界若存在常数 M对任意 x∈X都有 f(x)≤M称 f(x) 在 X 上有上界M 是一个上界。有下界若存在常数 m对任意 x∈X都有 f(x)≥m称 f(x) 在 X 上有下界m 是一个下界。有界若存在正数 K对任意 x∈X都有 ∣f(x)∣≤K即同时有上界和下界称 f(x) 在 X 上有界若不存在这样的 K则称 f(x) 在 X 上无界。例子例如三角函数 f(x)sinx定义域 D(−∞,∞)对任意实数 x恒有 −1≤ sinx ≤1即 ∣sinx∣≤1。因此 f(x)sinx 在全体实数域上有界上界1下界−1取 K1 即可满足有界定义。区间的有界性反比例函数为例在区间 [1,2] 上有界当 x∈[1,2] 时即 ∣f(x)∣≤1因此在该区间上有界。在区间 (0,1) 上无界当 x 无限趋近于 0 时会无限增大不存在正数 K能让所有 x∈(0,1) 都满足 ∣x1​∣≤ K因此在该区间上无界。仅单侧有界的函数f(x)−定义域 R因≥0故≤0函数有上界上界可取 0但当 x→∞ 时f(x)无下界因此在 R 上是无界函数。单调性严格单调递增对任意 x1​,x2​∈I当 x1​x2​ 时恒有 f(x1​)f(x2​)称 f(x) 在区间 I 上严格单调递增。单调递增非严格对任意 x1​,x2​∈I当 x1​x2​ 时恒有 f(x1​)≤f(x2​)称 f(x) 在区间 I 上单调递增允许区间内存在函数值相等的点。严格单调递减对任意 x1​,x2​∈I当 x1​x2​ 时恒有 f(x1​)f(x2​)称 f(x) 在区间 I 上严格单调递减。单调递减非严格对任意 x1​,x2​∈I当 x1​x2​ 时恒有 f(x1​)≥f(x2​)称 f(x) 在区间 I 上单调递减。全定义域上严格单调的函数一次函数当斜率 k0 时比如 f(x)2x3定义域为 R对任意 x1​x2​f(x1​)−f(x2​) 2(x1​−x2​)0即 f(x1​)f(x2​)因此 f(x) 在 R 上严格单调递增。当斜率 k0 时比如 f(x)−3x1定义域为 R对任意 x1​x2​f(x1​)−f(x2​)−3(x1​−x2​)0即 f(x1​)f(x2​)因此 f(x) 在 R 上严格单调递减。分区间单调的函数这类函数在整个定义域上不单调但在不同的子区间上有明确的单调性。例如定义域为 R通过作差法分析当 x1​,x2​∈(−∞,0] 时x1​x2​≤0则 x1​−x2 ​0、x1​x2​0因此 f(x1​)−f(x2​)0即 f(x1​)f(x2​)函数在 (−∞,0] 上格严单调递减。当 x1​,x2​∈[0,∞) 时0≤x1​x2​则 x1​−x2​0、x1​x2​0因此 f(x1​)−f(x2​)0即 f(x1​)f(x2​)函数在 [0,∞) 上严格单调递增。奇偶性若定义域关于原点对称且 f(−x)f(x)则为偶函数图像关于y轴对称若 f(−x)−f(x)则为奇函数图像关于原点对称。判断奇偶性的第一步永远是检查定义域是否关于原点对称。若定义域不关于原点对称即存在x∈D但−x∈/D函数直接为非奇非偶函数无需再验证表达式关系。函数 yf(x) 的定义域 D 关于原点对称偶函数对任意 x∈D恒有 f(−x)f(x)几何特征为图像关于 y 轴对称。常见偶函数例如定义域 D(−∞,∞)关于原点对称。验证满足偶函数定义。奇函数对任意 x∈D恒有 f(−x)−f(x)几何特征为图像关于坐标原点中心对称若 0∈D则必有 f(0)0奇函数的核心是自变量取反后函数值也取反。例如函数定义域 D(−∞,∞)关于原点对称满足奇函数定义。分段函数奇偶性分段函数需分区间验证奇偶性确保所有区间都满足定义分段奇函数,定义域 D(−∞,∞)关于原点对称。当 x0 时−x0 所以代入第一段函数得再计算 −f(x) 得所以f(−x)−f(x)当 x0 时那么-x0, 所以代入第二段函数 将-x带入原等式得当 x0 时f(0)0满足 f(−0)−f(0)。分段偶函数定义域 D(−∞,∞)关于原点对称当 x0 时−x0当 x0 时−x0当 x0 时f(0)0满足 f(−0)f(0)周期性若存在非零常数 T使得 f(xT)f(x) 对一切 x 成立则称 f 为周期函数T 为周期。周期的倍数性若 T 是 f(x) 的周期则对任意非零整数 kkT 也一定是 f(x) 的周期。最小正周期在所有正周期中若存在一个最小的正数则称其为函数的最小正周期日常语境中说的 “周期” 均指最小正周期。注意不是所有周期函数都有最小正周期定义域前提周期函数的定义域必须是双向无界的x→∞ 和 x→−∞ 均有定义有界区间上的函数不可能是周期函数最经典的周期函数 —— 三角函数正弦函数 f(x)sinx和cos(x)定义域为 R双向无界对任意实数 x恒有sin(x2π)sinxcos(x2π)cosx初等函数常数函数yCC为常数。幂函数μ为实数自变量 x 位于底数位置是函数的核心变量α 是固定常数实数域内可为整数、分数、无理数也可拓展到复数域。这里注意和指数函数的区别指数函数是底数固定指数变化。定义域幂函数的定义域核心约束保证函数在实数域内有意义核心性质所有幂函数在 x0 的区间内均有定义且恒过定点 (1,1)因为 1 的任意实数次幂恒为 1当 α0 时幂函数还过定点 (0,0)α0 时在 x0 处无定义不过该点。单调性当 α0 时幂函数在 (0,∞) 上严格单调递增α 越大在 x1 区间增长速度越快。当 α0 时幂函数在 (0,∞) 上严格单调递减且以 x 轴、y 轴为水平 / 垂直渐近线。奇偶性奇函数α 为奇数整数或分数中 、 均为奇数图像关于原点对称例yx、、。偶函数α 为偶数整数或分数中 q 奇、p 偶图像关于y 轴对称例。指数函数自变量 x 位于指数位置是函数的核心变量定义域为全体实数。底数 a 是固定常数严格限定范围a0 且 a!1系数必须为 1无额外常数项、无复合变形。之所以规定 a0 且 a!1是为了保证函数在全体实数域内有意义若 a0当 x 取分数如​时在实数域内无意义, 根号下不能有负数若 a0当 x0 时当 x≤0 时无意义无法构成完整函数若 a1≡1退化为常函数无单调性、变化性等研究价值定义域全体实数 R(−∞,∞)无论底数 a 取何合规值x 取任意实数都有意义这是和幂函数最核心的区别之一。值域正实数集 (0,∞)。对任意实数 x恒大于 0函数图像永远不会与 x 轴相交。必过定点恒过定点 (0,1)因为任意非零数的 0 次幂恒为 1即恒过定点 (1,a)代入 x1得。运算核心法则所有指数运算都遵循以下 7 条核心法则适用于 a0,b0m,n 为任意实数同底数幂相乘同底数幂相除幂的乘方积的乘方零指数幂负指数幂分数指数幂n 为正整数n 为偶数时要求 a≥0自然指数函数自然指数函数是指数函数中最核心、应用最广的特例也是高等数学的核心基础函数底数 e 是自然常数欧拉数是一个无理数近似值 e≈2.718281828核心独有性质它的导数等于它本身即是实数域内唯一具备该性质的函数对数函数对数函数是六大基本初等函数之一是指数函数的反函数一般形式如下x 是自变量定义域为 (0,∞)负数和 0 没有对数函数的值域为全体实数 Ra 为对数的底数固定满足 a0 且 a!1继承指数函数对底数的约束。指数与对数的互化其中 a0,a!1且 N0真数必须为正。自然对数自然对数是以无理数 e欧拉数e≈2.718281828459⋯为底数的对数是对数函数中最特殊、在数学与自然科学中应用最广泛的一类是指数函数ye的x方的反函数。它的标准简写为 lnx全称 Natural Logarithm完整数学形式为。。互相转换关系。运算法则积的对数ln(MN)lnMlnNM0,N0商的对数ln(NM​)lnM−lnN幂的对数n为任意实数万能换底公式任意对数均可转为自然对数计算三角函数sin函数初中的时候定义为直角三角形定义锐角范围即在直角三角形中对于一个锐角 x单位度正弦的定义为角的对边/角的斜边。适用范围仅针对 0x90度的锐角是最直观的几何定义核心特征比值仅和角度大小有关和三角形的边长无关取值范围为 0sinx1。单位圆的定义在平面直角坐标系中以原点为圆心作单位圆半径r1将 x 轴正半轴绕原点逆时针旋转角度x弧度制与单位圆交于点P(m,n)则点P的纵坐标就是sinx的值也就是sinxn/1,也就是sinxn,同理可得出cosxm, 所以店P也可以表示为P(cosx,sinx)。函数性质定义域全体实数 R(−∞,∞)闭区间 [−1,1]正弦函数最基本的定义来源于单位圆半径为1的圆上的坐标。对于任意角 x弧度其终边与单位圆的交点坐标为 (cos⁡x,sin⁡x)。由于单位圆上所有点的纵坐标y坐标范围都在 −1 到 1 之间因此 sin⁡x 的值也必然在 [−1,1] 内。奇偶性满足sin(−x)−sinx图像关于原点中心对称是奇函数。周期性最小正周期 T2π满足sin(x2kπ)sinxk∈Z所有周期为2kπ(k∈Z,k!0)当角度增加 2π 时相当于绕单位圆完整旋转一周点的坐标回到原位置。单调递增区间。单调递减区间诱导公式公式结论负角公式sin(−x)−sinx在单位圆中x角和-x角的终边关于x轴的正半轴对称sinx和sin(-x)的值就是两个坐标中y的值他们互为相反数所以sin(-x)-sinx。补角公式sin(π−x)sinx设角 x 的终边与单位圆交于点 P(cos⁡x,sin⁡x)。角 π−x 的终边与 x 的终边关于 y 轴对称因此其与单位圆的交点 Q 的坐标为 (−cos⁡x,sin⁡x)。于是sin⁡(π−x) 等于点 Q 的纵坐标即 sin⁡x所以 sin⁡(π−x)sin⁡。余角公式sin(2π​−x)-sinx, 设角 x 的终边与单位圆交于点 P(cos⁡x,sin⁡x)。角 2π−x 的终边与 x 的终边关于 x 轴对称。周期公式sin(x2kπ)sinx (k∈Z)平角公式sin(πx)−sinx关于原点对称横坐标互为相反数互余公式在单位圆中设角 x 的终边与单位圆交于点 P(cos⁡x,sin⁡x)。角 π/2−x 的终边可以通过将角 x的终边关于直线 yx对称得到此时点 P 的对称点为 Q(sin⁡x,cos⁡x)该点即为角 π/2−x与单位圆的交点。是原来的坐标变换过来得到的新坐标。cos函数在平面直角坐标系中以原点为圆心、1为半径的单位圆上任意角 x弧度的终边与单位圆的交点坐标为 (cos⁡x,sin⁡x)。因此cos⁡x表示该点的横坐标。因为cos的三角定义是临边/斜边也就是横坐标/斜边(单位1)所以结果就是cosx的长度。函数性质定义域全体实数 R(−∞,∞)。值域闭区间 [−1,1]。奇偶性正弦函数是奇函数余弦函数满足cos(−x)cosx。周期性最小正周期 T2π正弦函数完全一致满足cos(x2kπ)cosxk∈Z。单调递减区间[2kπ,π2kπ] (k∈Z)单调递增区间[π2kπ,2π2kπ] (k∈Z)。对称性轴对称关于直线xkπ (k∈Z) 轴。中心对称关于点(2π​kπ,0) (k∈Z) 中心对称零点x2π​kπ (k∈Z)诱导公式公式核心结论几何意义负角公式cos(−x)cosx角−x在第四象限与角x第一象限关于 x 轴对称所以横坐标cos值相等补角公式cos(π−x)−cosx角π−x与x关于 y 轴对称横坐标互为相反数。在单位圆半径为1的圆上任意角 x 对应的点的坐标为 (cos⁡x,sin⁡x)。 角 π−x 是 x 的补角其终边与角 x 的终边关于 y 轴对称。平角公式cos(πx)−cosx角πx与x关于原点对称横坐标互为相反数周期公式cos(x2kπ)cosx (k∈Z)旋转一周回到原位置横坐标不变互余公式推导可查看上面关于sin的推导过程tan函数在单位圆和任意角的三角函数定义中设角 x 的终边与单位圆交于点 P(cos⁡x,sin⁡x)则正切为tanx sinx/cons函数性质定义域tan⁡x 在 cos⁡x0 时无定义即 xπ2kπk∈Zk∈Z。因此定义域为 {x∣x≠π2kπ,k∈Z}。值域tan⁡x可以取任意实数即值域为 R奇偶性tan⁡x 是奇函数周期性tan⁡x 是周期函数最小正周期为 π即 tan(xπ)tanx. 这是因为 sin⁡(xπ)−sin⁡xcos⁡(xπ)−cos⁡x比值不变。单调性在每个连续区间内tan⁡x 单调递增。零点tan⁡x0 当且仅当 sin⁡x0即 xkπk∈Zk∈Z渐近线在 xπ2kπ 处有垂直渐近线因为 cos⁡x 的值无线趋近于0 函数值趋向无穷大诱导公式tan⁡(π−x)−tan⁡x因为 sin⁡(π−x)sin⁡xcos⁡(π−x)−cos⁡xtan⁡(πx)tan⁡x周期性质tan⁡(−x)−tan⁡xtan⁡(π/2−x)cot⁡x余切推导过程使用诱导公式可得出新公式然后化简得到。tan⁡(π/2x)−cot⁡x。参考上面tan差角推导过道过程即可。和差角公式余弦差公式推导过程在平面直角坐标系中以原点 O 为圆心作单位圆。设角 α 和 β 的终边分别与单位圆交于点 A(cos⁡α,sin⁡α) 和 B(cos⁡β,sin⁡β)向量 OA (cos⁡α,sin⁡α) 和向量 OB(cos⁡β,sin⁡β)它们的夹角为 ∣α−β∣但余弦是偶函数所以cos(α−β)cos(β−α) 不影响结果根据向量的点积公式另一方面用坐标计算点积因此得到cos(α−β)cosαcosβsinαsinβ。余弦和公式要得到和角公式只需将 β 替换为 −β 并利用三角函数的奇偶性余弦是偶函数 cos⁡(−β)cos⁡β 正弦是奇函数 sin⁡(−β)−sin⁡β将上面奇偶性转换公式带入余弦差公式中得出化简后就是正弦和公式已知诱导公式带入sin (αβ) 得到新公式然后把结果带入到余弦差公式cos(A−B)cosAcosBsinAsinB中即把公式里面的A替换为 π/2​−α, B替换为β。得到新公式, 再结合即得结果。正弦差公式余弦是偶函数 cos⁡(−β)cos⁡β 正弦是奇函数 sin⁡(−β)−sin⁡β已知正弦和公式后根据诱导公式可得出sin(α -β) sinαcos⁡(-β) cos⁡α sin(-⁡β) sinαcos⁡β - cos⁡αsin⁡β。正切和公式推导过程已知tanx sinx/cosx所以又已知sin和cos的角和公式所以得出新公式分子分母同除cosαcosβ转化为正切形式即可得出。正切差公式, 使用上面推导的sin和cos的角差公式分子 sin⁡(α−β)sin⁡αcos⁡β−cos⁡αsin⁡β分母 cos⁡(α−β)cos⁡αcos⁡βsin⁡αsin⁡β带入后得到新公式分子分母同时除以 cos⁡αcos⁡β即可得出结果。二倍角公式sin2α 2sinαcosα。推导过程。前面我们学习过了sin的角和公式令角αβ所以 sin2α 2sinαcosβcos2α 推导过程根据cos角的和公式令角αβ即可推导出cos2α 推导过程已知变形得又已知os2α 将其代入本源形式替换sin2α得到即可得到。cos2α 根据上面的推导过程替换 cos2α 中的 cosα的平方即可得出。前面推导过tan的角和公式令角αβ即可推导出。复合函数若 yf(u)而 ug(x)则 yf[g(x)] 称为复合函数其中 u 为中间变量。要求 g(x) 的值域与 f(u) 的定义域有交集。不是任意两个函数都能复合必须满足内层函数的值域和外层函数的定义域有交集。反例f(u)arcsinu定义域u∈[−1,1]g(x)2x2值域[2,∞)。内层的值域和外层的定义域完全没有重叠无论 x 取什么值都无法让g(x)落在f(u)的定义域内因此f(g(x))无意义不能复合。喜欢请点赞收藏加关注~~~ 好文分享不迷路~~~

相关文章:

【高等数学】第一讲:函数与初等函数

目录 函数的基本概念 函数的表示法 函数的几种重要特性 有界性 例子 区间的有界性 仅单侧有界的函数 单调性 全定义域上严格单调的函数 分区间单调的函数 奇偶性 偶函数 奇函数 分段函数奇偶性 分段奇函数 分段偶函数 周期性 初等函数 常数函数 幂函数…...

咨询进阶——详解《商业模式思维的30个技巧》

《商业模式思维的30个技巧》读书笔记可提炼关键技巧:如用价值链连接客户价值、深入理解客户细分与价值定位、灵活调整商业模式、制定差异化定价策略、履行社会责任、持续创新及重视人才管理等[3][18]。 详答 一、核心技巧提炼 客户价值与价值链连接 构建价值传递机制:通过价…...

跨境电商为什么必须布局 SEO?

在跨境电商领域,获取流量的方式通常包括: 广告投放平台流量社交媒体推广SEO 自然流量 其中,SEO 往往被很多卖家忽视,但实际上,它是跨境电商最稳定、最具长期价值的流量来源之一。 那么问题来了: 为什么…...

题目1514:蓝桥杯算法提高VIP-夺宝奇兵

#include<iostream> using namespace std; int dp[110][110]; int main(){ int n; cin>>n; for(int i1;i<n;i){ for(int j1;j<i;j){ cin>>dp[i][j]; } } //从倒数第二行向上推 for(int in-1;i&g…...

ADXL345嵌入式驱动开发:I²C/SPI寄存器配置与FreeRTOS中断集成

1. ADXL345加速度传感器库深度解析&#xff1a;面向嵌入式工程师的底层驱动开发指南ADXL345是Analog Devices公司推出的超低功耗、高分辨率&#xff08;13位&#xff09;、数字输出三轴加速度传感器&#xff0c;广泛应用于姿态检测、振动监测、跌倒报警、工业预测性维护及可穿戴…...

重新安装微信新版本后才发现历史记录文件夹名称不匹配!解决方法

重新 安装/恢复 电脑&#xff0c;安装微信最新版本 记录文件夹变更为&#xff1a;xwechat_files 旧的格式&#xff1a;WeChat Files 找很多方法&#xff0c;以及腾讯官方的说明&#xff0c;无效、费解&#xff0c;来点干货&#xff0c;成功解决经验&#xff1a; &#xff08;1&…...

OpenClaw+千问3.5-9B:自动化社交媒体内容发布

OpenClaw千问3.5-9B&#xff1a;自动化社交媒体内容发布 1. 为什么需要自动化内容发布工具 作为一个同时运营多个社交媒体平台的技术博主&#xff0c;我每天要花大量时间在不同平台间切换&#xff1a;先在Markdown写好文章&#xff0c;然后手动复制到微信公众号后台排版&…...

课堂学习1

Miniconda 安装教程 (2026版) Anaconda 是最流行的 Python 和 R 语言数据科学平台&#xff0c;它包含了康达包管理器&#xff08;Conda&#xff09;、Python 以及 1500 个科学包及其依赖项。&#xfeff;Miniconda 可以看作是 Anaconda 的“轻装版”&#xff0c;只自带 conda …...

【VBA】【EXCEL】【文件】读写已打开EXCEL

Sub readExcel()Set wb Workbooks("数据源.xlsx") Set ws wb.Sheets(1)For i 2 To 100For j 2 To 1000If ws.Range("B" & j).Value <> "" ThenIf InStr(me.Range("A" & i).Value, ws.Range("B" & j).…...

seo网上教程有哪些常见错误

SEO网上教程有哪些常见错误 在互联网时代&#xff0c;SEO&#xff08;搜索引擎优化&#xff09;已经成为网站流量和排名提升的关键因素。很多人在学习SEO过程中&#xff0c;常常会遇到一些误区&#xff0c;甚至在网上找到的一些教程中也包含了不少错误。本文将详细介绍一些常见…...

嵌入式工程师职业发展:原厂与方案商技术深度对比

1. 嵌入式工程师的职业抉择&#xff1a;原厂与方案商深度对比最近一位工作三年的嵌入式工程师朋友分享了他的求职经历&#xff0c;让我感触颇深。他在方案商做了三年应用开发后&#xff0c;最终选择跳槽到芯片原厂。这个决定背后&#xff0c;反映了很多嵌入式工程师都会面临的职…...

三相光伏逆变器研发深度解析:全源代码解读与性能优化指南

三相10Kw光伏并网逆变器。包含全套理图/PCB/源代码一、概述 本文档详细解读基于TI F28379D DSP芯片的三相10kW光伏并网逆变器代码系统。该代码采用模块化设计&#xff0c;涵盖核心控制、硬件抽象、参数配置、驱动适配等多个功能层级&#xff0c;支持交流开环、电流环独立逆变、…...

OpenClaw自动化写作对比:千问3.5-35B-A3B-FP8与纯文本模型的产出差异

OpenClaw自动化写作对比&#xff1a;千问3.5-35B-A3B-FP8与纯文本模型的产出差异 1. 为什么需要对比不同模型的写作表现 上周我在用OpenClaw自动生成技术文档时&#xff0c;发现一个有趣的现象&#xff1a;同样的任务指令&#xff0c;交给不同的大模型处理&#xff0c;产出的…...

电动汽车模型考虑多种需求响应及微网的虚拟电厂日前优化调度模型的MATLAB代码(含空调负荷)

MATLAB代码&#xff1a;含多种需求响应及电动汽车的微网/虚拟电厂日前优化调度 关键词&#xff1a;需求响应 空调负荷 电动汽车 微网优化调度 虚拟电厂调度 仿真平台&#xff1a;MATLABCPLEX 主要内容&#xff1a;代码主要做的是一个微网/虚拟电厂的日前优化调度模型&#…...

全栈开发者工具链:OpenClaw+Qwen3.5-9B-AWQ-4bit辅助前端调试

全栈开发者工具链&#xff1a;OpenClawQwen3.5-9B-AWQ-4bit辅助前端调试 1. 为什么需要AI辅助前端调试 作为全栈开发者&#xff0c;我经常陷入这样的困境&#xff1a;当页面渲染出现异常时&#xff0c;需要在控制台日志、网络请求和DOM树之间反复切换排查。传统调试流程至少包…...

别再只调RGB了!用HSV给你的WS2812灯带调出更自然的彩虹渐变(附Arduino代码)

别再只调RGB了&#xff01;用HSV给你的WS2812灯带调出更自然的彩虹渐变&#xff08;附Arduino代码&#xff09; 每次看到WS2812灯带突然跳变的颜色&#xff0c;总觉得少了点优雅。RGB数值的直接操控就像用扳手调钢琴——理论上可行&#xff0c;但实际操作起来总差那么点意思。上…...

2025_NIPS_JavisGPT: A Unified Multi-modal LLM for Sounding-Video Comprehension and Generation

JavisGPT 论文核心总结与翻译 一、主要内容总结 JavisGPT 是首个面向同步音视频(sounding video)理解与生成的统一多模态大语言模型(MLLM),核心解决现有模型将音视频视为独立模态、缺乏时空同步建模的问题。 模型采用编码器-LLM-解码器架构,以 Qwen2.5-VL-7B-Instruct…...

Geekble测谎模块Arduino库:GSR生理信号采集与多模态反馈

1. 项目概述Geekble_LieDetector 是一款面向嵌入式平台&#xff08;典型为基于ATmega328P的Arduino兼容控制器&#xff09;设计的生理信号检测与交互控制库&#xff0c;专用于驱动 Geekble LieDetector 模块。该模块并非传统意义上的“测谎仪”&#xff0c;而是一个以皮肤电导&…...

姜翰奇补题

3.23-3.29一、PTA天梯赛5:第5&#xff0c;7&#xff0c;8&#xff0c;10&#xff0c;11&#xff0c;12二、牛客&#xff1a;136周赛三、马蹄集&#xff1a;DFS和BFS搜索题目四、牛客&#xff1a;蓝桥杯模拟赛3.30-4.5一、PTA天梯赛6:第8、9、10二、牛客&#xff1a;137周赛三、…...

东莞市SEO优化对网站收录有何影响_东莞市SEO优化的常见问题有哪些

东莞市SEO优化对网站收录有何影响 在互联网时代&#xff0c;东莞市的企业和个人网站希望在搜索引擎上获得高排名&#xff0c;是非常重要的目标。搜索引擎优化&#xff08;SEO&#xff09;在这一过程中扮演了关键角色。东莞市SEO优化对网站收录有何影响呢&#xff1f;SEO优化不…...

30分钟搭建个人AI助手:OpenClaw+千问3.5-35B-A3B-FP8极速体验

30分钟搭建个人AI助手&#xff1a;OpenClaw千问3.5-35B-A3B-FP8极速体验 1. 为什么选择这个组合&#xff1f; 上周六下午&#xff0c;我盯着电脑里散落的会议纪要、待办事项和未整理的截图发愁时&#xff0c;突然意识到&#xff1a;与其手动处理这些琐事&#xff0c;不如让AI…...

Python高效处理字符串去重的5种实用技巧

1. 字符串去重的核心逻辑与应用场景 字符串去重是数据处理中最基础却高频的操作之一。想象你手里有一串钥匙&#xff0c;其中几把是重复的&#xff0c;去重就是帮你挑出唯一的那几把。在Python中处理用户输入、日志清洗或数据预处理时&#xff0c;我经常遇到需要去除重复字符的…...

高效制作IO通道测试表:从位号表到VLOOKUP函数实战

1. 为什么需要IO通道测试表&#xff1f; 在工业自动化项目中&#xff0c;IO通道测试表是FAT&#xff08;工厂验收测试&#xff09;环节的必备工具。想象一下你正在调试一个化工厂的DCS系统&#xff0c;面对成百上千个温度、压力、流量信号&#xff0c;如果没有一个清晰的测试清…...

作品被篡改署名?三步维权指南

您好&#xff0c;我理解您遇到了作品被他人擅自修改并署名为“悟空”的情况&#xff0c;这确实是一件令人非常气愤和不快的事情。首先&#xff0c;请务必保持冷静。愤怒是正常的&#xff0c;但清晰的行动才能更好地维护您的权益。针对这种情况&#xff0c;您可以按照以下步骤来…...

一篇顶一万篇,很难找到代码这么全的高分文章,WGS、RNA-seq、scRNA-seq、免疫肽组质谱联合分析

&#x1f680;科研不掉发&#xff0c;快来这个地表最强的生信神仙网站&#xff1a;中国银河生信云平台&#x1f449; 立即访问&#xff1a;https://usegalaxy.cn结直肠癌免疫治疗中&#xff0c;多数新抗原筛选仅聚焦编码区&#xff0c;大量潜在靶点被忽略&#xff0c;非编码区能…...

Java程序设计(第3版)第二章——变量的三种定义方式2和3

变量的第二种使用方式 在声明的同时并赋值 数据类型 变量名 &#xff1d; 数据; int b &#xff1d; 12; System.out.println(b); 输出为12变量的第三种使用方式 同时定义多个同类型变量 int c,d&#xff1d;1,e&#xff1d;11,f&#xff1d;23,g&#xff1d;32,h&#xff1d;0…...

科研不秃头!谁还不知道这个零代码生信神器

各位深陷生信泥潭的科研宝子们&#xff0c;集合啦&#xff01;&#x1f4e2;你是否也经历过这样的绝望&#xff1a;❌ 导师甩来一组单细胞数据&#xff0c;你却连 Linux 怎么登录都不知道&#xff1f;❌ 好不容易装好了 R 语言&#xff0c;结果包版本冲突报错到怀疑人生&#x…...

SQL分组Group By

一、先搞懂&#xff1a;分组查询是干嘛的&#xff1f;分组查询 GROUP BY 就是把表中数据按照某个字段「分类」&#xff0c;然后对每一类做统计。比如你 emp 表有 gender&#xff08;性别&#xff09;字段&#xff0c;用分组就能&#xff1a;统计「男员工有多少人、女员工有多少…...

YOLOv11桌面应用实战:PyQt5打造智能监控与目标追踪系统

1. YOLOv11与PyQt5的强强联合 在计算机视觉领域&#xff0c;YOLO系列模型一直以其实时性和准确性著称。最新发布的YOLOv11在保持原有优势的基础上&#xff0c;进一步优化了模型结构和训练策略&#xff0c;使其在小目标检测和复杂场景下的表现更加出色。而PyQt5作为Python生态中…...

基于Matlab APP Designer的GNSS数据质量分析工具开发实践

1. 为什么选择Matlab APP Designer开发GNSS分析工具 第一次接触GNSS数据质量分析时&#xff0c;我和大多数初学者一样&#xff0c;面对密密麻麻的RINEX文件头大如斗。当时实验室的师兄随手甩给我一个Matlab脚本&#xff0c;说"自己改改就能用"。结果光是理解那些没有…...