当前位置: 首页 > news >正文

【2023年11月第四版教材】专题1 - 计算题考点汇总 (合集篇)

专题1 - 计算题考点汇总 (合集篇)

  • 1 进度类
    • 1.1 PERT三点估算
      • 1.1.1 β分布
      • 1.1.2 三角分布
    • 1.2 单代号网络图
      • 1.2.1 画图
      • 1.2.2 找关键路径
      • 1.2.3 计算总工期
      • 1.2.4 总时差
      • 1.2.5 自由时差
      • 1.2.6 工期压缩
    • 1.3 双代号网络图
    • 1.4 双代号时标网络图
      • 1.4.1 画图
      • 1.4.2 找关键路径
      • 1.4.3 计算总工期
      • 1.4.4 总时差
      • 1.4.5 自由时差
      • 1.4.6 工期压缩
  • 2 成本类
    • 2.1 挣值管理
      • 2.1.1 三个参数
        • PV - 要干的活
        • EV - 干完的活
        • AC - 实际花费
      • 2.1.2 四个指标
        • 成本偏差
        • 进度偏差
        • 成本执行指数
        • 进度执行指数
      • 2.1.3 其他参数
        • BAC完工预算
        • ETC完工尚需估算
        • EAC完工估算
        • VAC完工偏差
        • TCPI完工尚需绩效指数
    • 2.2 预测技术
      • 2.2.1 完成尚需估算ETC
      • 2.2.2 完成时估算EAC
      • 2.2.3 项目总预算BAC
      • 2.2.4 完工尚需绩效指数TCPI
      • 2.2.5 算完工日期
  • 3 其他类
    • 3.1 中高级通用
      • 3.1.1 EMV决策树计算
      • 3.1.2 沟通渠道计算
      • 3.1.3 自制/外购分析
      • 3.1.4 加权系统
      • 3.1.5 系统可用性
    • 3.2 高级
      • 3.2.1 运筹学计算
      • 3.2.2 其他
        • 净现值
        • 投资回收期
        • ROI投资收益率分析
  • 4 注意要点
  • 5 挣值管理估算工作完成的参考
  • 6 挣值管理说明及计算总表
  • 7 完工预测及计算
  • 8 其他部分一些小计算考点汇总
    • 8.1 净现值
    • 8.2投资收益率
    • 8.3 投资回收期

1 进度类

1.1 PERT三点估算

1.1.1 β分布

期望持续时间/成本=(最悲观+最可能*4+最乐观)/6

1.1.2 三角分布

期望持续时间/成本二(最悲观+最可能+最乐观)/3
标准差=(最悲观时间-最乐观时间)/6
正负西格玛1位球)、2 (95%)、3(99%)
在这里插入图片描述

1.2 单代号网络图

1.2.1 画图

正推法—最早,取最大
逆推法一最迟,取最小

1.2.2 找关键路径

从起点到终点所有路径活动之和最大的路径
可能有多条关键路径

1.2.3 计算总工期

键路径上持续时间之和

1.2.4 总时差

最迟-最早
关键路径长度-经过这个活动最大非关键路径长度

1.2.5 自由时差

1、画图
min{紧后工作最早开始时间}-本工作最早完成时间

2、不画图
紧后工作是关键工作一自由时差=总时差
紧后工作不是关键工作或者既有关键工作也有非关键工作-白由时差=0

1.2.6 工期压缩

压缩关键路任上的工作
压缩可以压缩的活动
缩花费代价最小的活动
注意关键路径变化的问题
注意是否有间接费用的节约

1.3 双代号网络图

会看图、画图

1.4 双代号时标网络图

1.4.1 画图

是资源平衡/平滑类计算题解题神器

1.4.2 找关键路径

持续时间最长的或者没有波形线的路径

1.4.3 计算总工期

关键路径上活动持续时间之和

1.4.4 总时差

该工作为起点,寻找通过该工作的所有线路,然后计算各条线路的波形线的长度和,波形线长度和的最小值就是该工作的总时差

1.4.5 自由时差

该工作箭线上波形线投影的长度

1.4.6 工期压缩

同单代号网络图

2 成本类

2.1 挣值管理

2.1.1 三个参数

PV - 要干的活

预算值;应该完成多少工作
按照计划截止目前应该花费的预算
结合网络图一般是按照活动最早开始时间计算

EV - 干完的活

已完成任务的预算值;完成了多少预算的工作
实际完成的工作,按照预算标准应该有的花费
如果给出完成百分比,需要判断是完成总工作量还是当前计划的百分比
如果是总工作量则BAC百分比,如果是当前计划的则是PV百分比

AC - 实际花费

已完成任务的实际值;完成工作的实际成本是多少
截止目前实际的花费

AC:一般会直接告诉我们,或者说比计划多花或少花多少钱

2.1.2 四个指标

成本偏差
CV=EV-AC      >0,成本节约,<0,成本超支
进度偏差
SV=EV-PV   >0,进度超前  ,<0,进度落后
成本执行指数
CPI=EV/AC   >1,成本节约,资金使用效率高;<1,成本超支,资金使用效率低
进度执行指数
SPI = EV/PV      >1进度超前;<1进度落后

2.1.3 其他参数

BAC完工预算

完工时的PV总和

ETC完工尚需估算

剩下活还需要多少完成

EAC完工估算

全部完工总需要的费用

VAC完工偏差

BAC-EAC

TCPI完工尚需绩效指数

衡量未来完成工作的难度

2.2 预测技术

2.2.1 完成尚需估算ETC

1、非典型(纠偏)
当前的偏差被视为一种特例,并且项目团队认为将来不会发生类似的偏差,需要纠偏,记住广东的非典型肺炎

BAC-截止到目前的累加EV

2、典型(不纠偏)
当前出现的偏差被视为具有典型性,不绢偏,可以代表未来的偏差

(BAC-截止到目前的累加EV)/累力CPI

2.2.2 完成时估算EAC

1、非典型(纠偏)

EAC=AC+ETC

2、典型(不纠偏)

EAC=AC+ETC
EAC=BAC/CPI

2.2.3 项目总预算BAC

完工时的PV总和

2.2.4 完工尚需绩效指数TCPI

1、基于BAC

TCPI= (BAC-EV) / (BAC-AC)

2、基于EAC

TCPI= (BAC-EV) / (EAC-AC)

在这里插入图片描述

>1,难以完成
=1,刚刚完成
<1,容易完成

2.2.5 算完工日期

公式技术 —— 典型情况下:原来工期/SPI;非典型情况下:分段算
按效率计算

3 其他类

3.1 中高级通用

3.1.1 EMV决策树计算

EMV=盈利百分比*影响值-风险百分比*影响值
或
各活动∑净利润(收入-成本)⨉%

3.1.2 沟通渠道计算

n (n-1)/2                    n代表干系人数量

3.1.3 自制/外购分析

对比成本大小、技术、涉密、长期使用等方面对比

3.1.4 加权系统

n项分值之和除以n,乘以权重比例

3.1.5 系统可用性

可用时间/总时间平均无故障时间/ (平均无故障时间+平均维修时间)*100%

3.2 高级

3.2.1 运筹学计算

3.2.2 其他

净现值
投资回收期

1、静态
(T-1)+第(T-1)年累计现金流量绝对值/第T年现金流量

2、动态
(T-1)+第(T-1)年累计折现值/第T年折现值

ROI投资收益率分析

ROI二(总的折现收益-总的折现成本)/折现成本

4 注意要点

1、沟通渠道里,N是几个人?

2、EMV里,看求的是成本还是收益?如果是成本,选小的方案,如果是收益,选大的方案

3、PERT里,是求XX天以内完成的概率, 还是XX天以后才可以完成的概率。下图里,16天之内完成的概率就是16%, 16天之后的概率就是84%
在这里插入图片描述

4、某某工作从几月几号开始,请记得拿出手指数。如果手指不够了,拿出脚趾,如果脚趾也不够了,则用笔1个1个去加。【或者画出单代号网络图,去看六标时,或者双代号时标网络图】

5、如果题目说了 50/50原则,请一定要知道开始了就算50%,全部完成了才算100%。要么50%,要么100%如果没有说,一般就是按照实际完成的百分比或者完成情况来进行计算就好

6、完成了总工作量的多少,完成了计划工作量的多少是不一样的。
1)题目明确说了完成了总工作量的多少?
2)题目明确说了完成了计划应该完成的多少
3)如果2个数据都给了,题目没明确说,建议用总的算
4)只给了一个数字、就那那个算。

7、管理储备和管理成本是不一样的。管理储备不需要算在BAC里。

8、记得看看题目里的表,最下面一行有没写到:间接成本

9、资源平滑的题目如果真的真的算不出人数来了,有可能是4个选项的最小数或次小数,比瞎蒙1个的概率还是大点点,哈哈!建议此类题目去画双代号时标网络图去进行计算

10、截止到检查点,按计划不需要做的工作,实际只要做了,算AC和EV的时候都需要算。就也是说监控点前所有活动的PV/EV/AC都需要算,监控点之后的活动PV不算,EV/AC需要算

11、压缩工期的时候,一定要注意关键路径是否发生改变了。

12、注意题目给的单位。到底是:元/天,还是:元,还是:元/人天。举例:A活动需要2个人工作3天才完成。单位成本是500元/天,则A的总成本是1500元。如果是500元,则A就是500元。如果是500元/人天,则A的总成本是3000元。

13、按原计划继续进行,是非典型。按原状态继续进行,是典型。

14、进度网络图结合成本的计算题,如果没特别说明,求PV按最早开始时间算。但是怕有特别说明,当然,概率很小。 15、求EMV的时候,各分支的影响到底会少?比如成本是100元,失败的概率是20%,
失败了赔偿20元。则应该是20%* (-120)

16、求TCPI的时候,如果是必顺计划的钱完工,分母是BAC-AC;如果是可以变化钱, 则分母是EAC-AC

17、PV<0的时候,调整措施不要写赶工了。

18、如下这个图还是建议认真看看的。
在这里插入图片描述

5 挣值管理估算工作完成的参考

挣值管理估算工作完成的参考法则,有三种对某个工作包进行估算实现值(EV)法则:

法则解释说明
0-100最保守的。只有全部完成才记为完成
100-100最冒进的。只要工作开始就被记做完成
50-50常用的。工作开始记做完成50%,工作完成后再记50% (另一种说法:工作开始记做完成50%,工作超过50%即记完成)

6 挣值管理说明及计算总表

术语解释举例
总计划价值BAC项目完工预算(不含管理储备)规划用10天种100棵树,预算为10000元
实际成本AC已完成工作的实际成本实际种了 30棵树,实际花费4500元
计划价值PV应完成工作的计划价值第5天结束,按计划应种50棵树,花费预算5000 元
挣值EV实际已完成工作的计划价值实际已种的30棵树,按计划应花费多少钱?30*100元=3000元(实际种了 30棵树,按计划一棵树花费100元)
进度偏差SVEV-PV
小于0,进度落后;大于0,进度提前。
EV3000元 - PV5000元,小于0,进度落后
进度绩效指数SPIEV/PV
小于1,落后; 大于1,提前 3000/5000,小于1,进度落后
成本偏差CVEV-AC
小于0,成本超支; 大于0,成本节约
EV3000元-AC4500元,小于0,成本超支
成本绩效指数CPIEV/AC
小于1,超支; 大于1,节约
3000/4500,小于1,成本超支
完工尚需绩效指数TCPI按计划完成需维持的效率:TCPI= (BAC-EV)/(BAC-AC )
当前完工估算需维持的效率: TCPI=(BAC-EV)/ (EAC-AC)
大于1很难完成
等于1正好完成
小于1很容易完成

7 完工预测及计算

术语解释举例
ETC(非典型)完工尚需估算(非典型的特殊情况,以后不会再发生,刚种树不熟练,以后不会了): ETC=BAC-EVETC=10000-3000=7000
ETC(典型)完工尚需估算(典型的,非特殊情况,以后会一直有,如此地难开垦):ETC= (BAC-EV) /CPIETC= (10000-3000) /0.6667=10499
ETC(双重影响)SPI和 CPI同时影响:ETC=(BAC-EV) / (CPI*SPI),可以根据实际设置SPI和CPI的权重ETC= (10000-3000) / (0.6667*0.6) =17499
ETC (重估)ETC,估算有问题,重新估算前期估算有问题,人工重估
EAC完工估算:EAC=AC+ETC或针对典型情况的快速公式:(EAC=BAC/CPI)EAC=4500+7000=11500 (按非典型情况)EAC=4500+10499=14999 (按典型情况)
完工总时间预测补充知识:计划总工期/SPI原计划工期10个月,目前SPI为0.5,则预测的完工工期=10/0.5=20
VAC完工偏差完工预算与完工新估算的差:VAC=BAC-EAC

8 其他部分一些小计算考点汇总

8.1 净现值

一、净现值计算(NPV) 一一越大越好
单年份净现值计算公式:NPV=A/ (1+r) t (A是每年现金流,r是折现率;t是年份)
如下表第 6 行中:
第一年净现值-4545=5000/ (1+10%);
第二年 826=1000/ (1+10%)2
第三年1503=2000/ (1+10%)3 ……以此类推
最终该项目的合计净现值NPV为2316=-4545+826+1503+2049+2484
折现因子:也可以先用1/ (1+r)t ,算出每年的折现因子,然后再用每年现金流乘以折现因子算净现值,结果是一样的

8.2投资收益率

投资收益率计算(ROD ——越大越好

ROI=(总的折现收益-总的折现成本)/折现成本=(9743-7427) /7427=31%;

8.3 投资回收期

如果以T作为累计现金流量首次为正值的年数,投资回收期的计算公式为:
投资回收期(静态)=(T-1) +第(T-1)年累计现金流量绝对值/第T年现金流量
投资回收期(动态)=(T-1) +第(T-1)年累计折现值/第T年折现值
投资回收期=(累计净值出现正值的年数-1)+出现正值年扬的上年累计收益的绝对值/出现正值年份收益值=(5-1) +167/2484=4.07 (第5年初)

项目1第1年第2年第3年第4年第5年合计
1收益02000300040005000014000
2成本500010001000100010009000
3现金流(1-2)-50001000200030004000
4折现收益(1折现)01653225427323105
5折现成本(2折现)4545826751683621
6净现金流量值(3折现或4-5)-4545826150320492484
7累计净现金流现值-4545-3719-2216-167-2316

【说明】关于投入年、或建设期从第0年还是第1年开始算的特别说明:在财务上,投资回收期可以自项目建设开始年算起,也可以自项目投产年开始算起,但应予注明。不过软考考试基本不注明投资回收期计算是否包含投产年(或建设年),我们根据历年考试的总结来看, 可以默认按下述规则: 如果题目直接写明第1年、第2年……的,则按第1年开始算(参见上图中的例子),然后再结合答案来看。如果题目是按年如2013、2014等的,按第0年开始来算(参见2021年下选择题66-67 )。

2、盈亏平衡点-必须掌握,详见计算题讲课及历年真题
3、决策树/EMV的计算-必须掌握,详见计算题讲课及历年真题
4、资源平衡的问题-必须掌握,详见计算题讲课及历年真题
5、沟通渠道数的计算-必须掌握,详见计算题讲课及历年真题
6、自制和外购分析-必须掌握,详见计算题讲课及历年真题
上面部分的例题见历年试题分类解析一书,在此不一一列举,重点还是进度和成本2大块,进度成本的计算搞懂了,计算基本没有问题了!关于这块计算题汇总见真题解析!

相关文章:

【2023年11月第四版教材】专题1 - 计算题考点汇总 (合集篇)

专题1 - 计算题考点汇总 (合集篇&#xff09; 1 进度类1.1 PERT三点估算1.1.1 β分布1.1.2 三角分布 1.2 单代号网络图1.2.1 画图1.2.2 找关键路径1.2.3 计算总工期1.2.4 总时差1.2.5 自由时差1.2.6 工期压缩 1.3 双代号网络图1.4 双代号时标网络图1.4.1 画图1.4.2 找关键路径1…...

系统架构设计:17 论信息系统的安全性与保密性设计

目录 一 信息安全基础 1 信息安全的基本要素 2 信息安全的范围 3 网络安全...

使用EasyDarwin+ffmpeg+EasyPlayerPro完成rtsp的推流操作和拉流操作

本文分享在做视频类测试过程中所用到的工具EasyDarwinffmpegEasyPlayerPro 首先说一下EasyDarwin,简单来讲&#xff0c;它就是个推流和拉流及系统消耗的监测软件&#xff0c;具体使用方法我会写在下方。 EasyDarwin 1、解压下载好的EasyDarwin压缩包&#xff0c;并找到EasyD…...

FPGA project : flash_secter_erase

flash的指定扇区擦除实验。 先发写指令&#xff0c;再进入写锁存周期等待500ns&#xff0c;进入写扇区擦除指令&#xff0c;然后写扇区地址&#xff0c;页地址&#xff0c;字节地址。即可完成扇区擦除。 模块框图&#xff1a; 时序图&#xff1a; 代码&#xff1a; module…...

HarmonyOS/OpenHarmony原生应用-ArkTS万能卡片组件Radio

单选框&#xff0c;提供相应的用户交互选择项。该组件从API Version 8开始支持。无子组件。 一、接口 Radio(options: {value: string, group: string}) 从API version 9开始&#xff0c;该接口支持在ArkTS卡片中使用。 参数: 二、属性 除支持通用属性外&#xff0c;还支持以…...

python opencv 深度学习 指纹识别算法实现 计算机竞赛

1 前言 &#x1f525; 优质竞赛项目系列&#xff0c;今天要分享的是 &#x1f6a9; python opencv 深度学习 指纹识别算法实现 &#x1f947;学长这里给一个题目综合评分(每项满分5分) 难度系数&#xff1a;3分工作量&#xff1a;4分创新点&#xff1a;4分 该项目较为新颖…...

一图看懂CodeArts Inspector 三大特性,带你玩转漏洞管理服务

华为云漏洞管理服务CodeArts Inspector是面向软件研发和服务运维提供的一站式漏洞管理能力&#xff0c;通过持续评估系统和应用等资产&#xff0c;内置风险量化管理和在线风险分析处置能力&#xff0c;帮助组织快速感应和响应漏洞&#xff0c;并及时有效地完成漏洞修复工作&…...

【Mysql】Mysql的启动选项和系统变量(二)

概述 在Mysql的设置项中一般都有各自的默认值&#xff0c;比方说mysql 5.7服务器端允许同时连入的客户端的默认数量是 151 &#xff0c;表的默认存储引擎是 InnoDB &#xff0c;我们可以在程序启动的时候去修改这些默认值&#xff0c;对于这种在程序启动时指定的设置项也称之为…...

FPGA project : flash_read

实验目标&#xff1a; flash的普通读指令&#xff0c;在指定地址开始读。可以更改地址与读的数据个数。 先发送读指令扇区地址页地址字节地址。 然后读数据。再把读到的串行数据转化为8bit的数据&#xff0c;存入fifo。 然后读出FIFO中数据&#xff0c;通过uart_tx模块发送…...

nnunetv2训练报错 ValueError: mmap length is greater than file size

目录 报错解决办法 报错 笔者在使用 nnunetv2 进行 KiTS19肾脏肿瘤分割实验的训练步骤中 使用 2d 和3d_lowres 训练都没有问题 nnUNetv2_train 40 2d 0nnUNetv2_train 40 3d_lowres 0但是使用 3d_cascade_fullres 和 3d_fullres 训练 nnUNetv2_train 40 3d_cascade_fullres …...

React知识点系列(2)-每天10个小知识

目录 1. 如何优化 React 应用的性能&#xff1f;你用过哪些性能分析工具&#xff1f;2. 在 React 中&#xff0c;什么是 Context API&#xff1f;你在什么场景下会使用它&#xff1f;3. 你能解释一下什么是 React Fiber 吗&#xff1f;4. 在项目中&#xff0c;你是否使用过 Rea…...

AutoGPT:让 AI 帮你完成任务事情 | 开源日报 No.54

Significant-Gravitas/AutoGPT Stars: 150.4k License: MIT AutoGPT 是开源 AI 代理生态系统的核心工具包。它采用模块化和可扩展的框架&#xff0c;使您能够专注于以下方面&#xff1a; 构建 - 为惊人之作打下基础。测试 - 将您的代理调整到完美状态。查看 - 观察进展成果呈…...

USB 转串口芯片 CH340

目录 1、概述 2、特点 3、封装 4、引脚 6、参数 6.1 绝对最大值&#xff08;临界或者超过绝对最大值将可能导致芯片工作不正常甚至损坏&#xff09; 6.2 电气参数&#xff08;测试条件&#xff1a;TA25℃&#xff0c;VCC5V&#xff0c;不包括连接 USB 总线的引脚&…...

Day 05 python学习笔记

循环 应用&#xff1a;循环轮播图 最基础、最核心 循环&#xff1a;周而复始&#xff0c;谓之循环 (为了代码尽量不要重复) while循环 while的格式 索引定义 while 表达式&#xff08;只要结果为布尔值即可&#xff09;&#xff1a; 循环体 通过条件的不断变化&#xff0c;从…...

Python如何17行代码画一个爱心

&#x1f308;write in front&#x1f308; &#x1f9f8;大家好&#xff0c;我是Aileen&#x1f9f8;.希望你看完之后&#xff0c;能对你有所帮助&#xff0c;不足请指正&#xff01;共同学习交流. &#x1f194;本文由Aileen_0v0&#x1f9f8; 原创 CSDN首发&#x1f412; 如…...

生产环境中常用Linux命令

太简单的我就不讲解啦,浪费时间,直接将生产中常用的 文章目录 1.总纲2.整机 top3.CPU vmstat3. 内存 free4. 硬盘: df5. 磁盘IO iostat6. 网络IO ifstat7: 内存过高的情景排查 1.总纲 整机:topcpu:vmstat内存:free硬盘:df磁盘io: iostat网络io:ifstat 2.整机 top 首先们要查…...

【使用 TensorFlow 2】03/3 创建自定义损失函数

一、说明 TensorFlow 2发布已经接近5年时间&#xff0c;不仅继承了Keras快速上手和易于使用的特性&#xff0c;同时还扩展了原有Keras所不支持的分布式训练的特性。3大设计原则&#xff1a;简化概念&#xff0c;海纳百川&#xff0c;构建生态.这是本系列的第三部分&#xff0c;…...

Vue3中使用v-model高级用法参数绑定传值

Vue3中使用v-model高级用法参数绑定传值 单个输入框传值多个输入框传值,一个组件接受多个v-model值 单个输入框传值 App.vue <template><p>{{firstName}}</p><hello-world v-model"firstName"></hello-world> </template><…...

你的工作中,chatGPT可以帮你做什么?

如何在工作中使用 ChatGPT 的 10 种实用方法 现在您已经知道如何开始使用 ChatGPT 并了解其基本功能&#xff08;提示 -> 响应&#xff09;&#xff0c;让我们探讨如何使用它来大幅提高工作效率。 1. 总结报告、会议记录等 ChatGPT可以快速分析大文本并识别关键点。例如&a…...

k8s简单部署nginx

文章目录 1. 前言2. 部署nginx2.1. **创建一个nginx的Deployment**2.2. **创建一个nginx的service** 3. 总结 1. 前言 前文提要&#xff1a; kubeadm简单搭建k8s集群第三方面板部署k8s 上篇文章我们简单部署了k8s的集群环境&#xff0c;相比一定迫不及待的想部署一个实际应用了…...

基于算法竞赛的c++编程(28)结构体的进阶应用

结构体的嵌套与复杂数据组织 在C中&#xff0c;结构体可以嵌套使用&#xff0c;形成更复杂的数据结构。例如&#xff0c;可以通过嵌套结构体描述多层级数据关系&#xff1a; struct Address {string city;string street;int zipCode; };struct Employee {string name;int id;…...

在 Nginx Stream 层“改写”MQTT ngx_stream_mqtt_filter_module

1、为什么要修改 CONNECT 报文&#xff1f; 多租户隔离&#xff1a;自动为接入设备追加租户前缀&#xff0c;后端按 ClientID 拆分队列。零代码鉴权&#xff1a;将入站用户名替换为 OAuth Access-Token&#xff0c;后端 Broker 统一校验。灰度发布&#xff1a;根据 IP/地理位写…...

第一篇:Agent2Agent (A2A) 协议——协作式人工智能的黎明

AI 领域的快速发展正在催生一个新时代&#xff0c;智能代理&#xff08;agents&#xff09;不再是孤立的个体&#xff0c;而是能够像一个数字团队一样协作。然而&#xff0c;当前 AI 生态系统的碎片化阻碍了这一愿景的实现&#xff0c;导致了“AI 巴别塔问题”——不同代理之间…...

c#开发AI模型对话

AI模型 前面已经介绍了一般AI模型本地部署&#xff0c;直接调用现成的模型数据。这里主要讲述讲接口集成到我们自己的程序中使用方式。 微软提供了ML.NET来开发和使用AI模型&#xff0c;但是目前国内可能使用不多&#xff0c;至少实践例子很少看见。开发训练模型就不介绍了&am…...

汇编常见指令

汇编常见指令 一、数据传送指令 指令功能示例说明MOV数据传送MOV EAX, 10将立即数 10 送入 EAXMOV [EBX], EAX将 EAX 值存入 EBX 指向的内存LEA加载有效地址LEA EAX, [EBX4]将 EBX4 的地址存入 EAX&#xff08;不访问内存&#xff09;XCHG交换数据XCHG EAX, EBX交换 EAX 和 EB…...

自然语言处理——循环神经网络

自然语言处理——循环神经网络 循环神经网络应用到基于机器学习的自然语言处理任务序列到类别同步的序列到序列模式异步的序列到序列模式 参数学习和长程依赖问题基于门控的循环神经网络门控循环单元&#xff08;GRU&#xff09;长短期记忆神经网络&#xff08;LSTM&#xff09…...

SAP学习笔记 - 开发26 - 前端Fiori开发 OData V2 和 V4 的差异 (Deepseek整理)

上一章用到了V2 的概念&#xff0c;其实 Fiori当中还有 V4&#xff0c;咱们这一章来总结一下 V2 和 V4。 SAP学习笔记 - 开发25 - 前端Fiori开发 Remote OData Service(使用远端Odata服务)&#xff0c;代理中间件&#xff08;ui5-middleware-simpleproxy&#xff09;-CSDN博客…...

Python 包管理器 uv 介绍

Python 包管理器 uv 全面介绍 uv 是由 Astral&#xff08;热门工具 Ruff 的开发者&#xff09;推出的下一代高性能 Python 包管理器和构建工具&#xff0c;用 Rust 编写。它旨在解决传统工具&#xff08;如 pip、virtualenv、pip-tools&#xff09;的性能瓶颈&#xff0c;同时…...

Java毕业设计:WML信息查询与后端信息发布系统开发

JAVAWML信息查询与后端信息发布系统实现 一、系统概述 本系统基于Java和WML(无线标记语言)技术开发&#xff0c;实现了移动设备上的信息查询与后端信息发布功能。系统采用B/S架构&#xff0c;服务器端使用Java Servlet处理请求&#xff0c;数据库采用MySQL存储信息&#xff0…...

处理vxe-table 表尾数据是单独一个接口,表格tableData数据更新后,需要点击两下,表尾才是正确的

修改bug思路&#xff1a; 分别把 tabledata 和 表尾相关数据 console.log() 发现 更新数据先后顺序不对 settimeout延迟查询表格接口 ——测试可行 升级↑&#xff1a;async await 等接口返回后再开始下一个接口查询 ________________________________________________________…...