当前位置: 首页 > news >正文

2016年国赛高教杯数学建模A题系泊系统的设计解题全过程文档及程序

2016年国赛高教杯数学建模

A题 系泊系统的设计

  近浅海观测网的传输节点由浮标系统、系泊系统和水声通讯系统组成(如图1所示)。某型传输节点的浮标系统可简化为底面直径2m、高2m的圆柱体,浮标的质量为1000kg。系泊系统由钢管、钢桶、重物球、电焊锚链和特制的抗拖移锚组成。锚的质量为600kg,锚链选用无档普通链环,近浅海观测网的常用型号及其参数在附表中列出。钢管共4节,每节长度1m,直径为50mm,每节钢管的质量为10kg。要求锚链末端与锚的链接处的切线方向与海床的夹角不超过16度,否则锚会被拖行,致使节点移位丢失。水声通讯系统安装在一个长1m、外径30cm的密封圆柱形钢桶内,设备和钢桶总质量为100kg。钢桶上接第4节钢管,下接电焊锚链。钢桶竖直时,水声通讯设备的工作效果最佳。若钢桶倾斜,则影响设备的工作效果。钢桶的倾斜角度(钢桶与竖直线的夹角)超过5度时,设备的工作效果较差。为了控制钢桶的倾斜角度,钢桶与电焊锚链链接处可悬挂重物球。

在这里插入图片描述

        图1 传输节点示意图(仅为结构模块示意图,未考虑尺寸比例)
  系泊系统的设计问题就是确定锚链的型号、长度和重物球的质量,使得浮标的吃水深度和游动区域及钢桶的倾斜角度尽可能小。
  问题1 某型传输节点选用II型电焊锚链22.05m,选用的重物球的质量为1200kg。现将该型传输节点布放在水深18m、海床平坦、海水密度为1.025×103kg/m3的海域。若海水静止,分别计算海面风速为12m/s和24m/s时钢桶和各节钢管的倾斜角度、锚链形状、浮标的吃水深度和游动区域。
  问题2 在问题1的假设下,计算海面风速为36m/s时钢桶和各节钢管的倾斜角度、锚链形状和浮标的游动区域。请调节重物球的质量,使得钢桶的倾斜角度不超过5度,锚链在锚点与海床的夹角不超过16度。
  问题3 由于潮汐等因素的影响,布放海域的实测水深介于16m~20m之间。布放点的海水速度最大可达到1.5m/s、风速最大可达到36m/s。请给出考虑风力、水流力和水深情况下的系泊系统设计,分析不同情况下钢桶、钢管的倾斜角度、锚链形状、浮标的吃水深度和游动区域。

  说明 近海风荷载可通过近似公式F=0.625×Sv2(N)计算,其中S为物体在风向法平面的投影面积(m2),v为风速(m/s)。近海水流力可通过近似公式F=374×Sv2(N)计算,其中S为物体在水流速度法平面的投影面积(m2),v为水流速度(m/s)。
在这里插入图片描述

整体求解过程概述(摘要)

  本文通过受力分析、最小二乘法、非线性规划、变步长搜索算法等方法,建立了系泊系统状态模型、多目标非线性规划模型对系泊系统的设计问题进行了研究。
  针对问题一,首先建立以锚为原点、风向为x轴,竖直方向为z轴,海床所在平面为O-xy平面,风向所在铅锤面为O-xz平面的标准坐标系,从而刻画浮标的游动区域。其次,为描述系泊系统的状态,通过对该系统的各组成部分进行隔离受力分析,确定了浮标所受的杆拉力与风速、吃水深度的表达式,以及钢杆、钢桶、锚链倾角的递推关系,并结合海水深度的几何约束,最终建立了系泊系统状态模型;接着,基于锚链着地现象的考虑,对着地处的锚链进行了受力分析,从而得到了着地锚链的倾角关系,并结合未着地的倾角关系以及海水深度的几何约束,建立了系泊系统状态的修正模型;最后,本文针对复杂多元非线性方程组的求解问题,设计了基于最小二乘法的搜索算法,求解出了海面风速分别为12m/s和24m/s时,钢桶和各节钢管的倾斜角度、锚链形状、浮标吃水深度与游动区域,见图5.4.3,见表5.4.2。
  针对问题二,首先利用问题一建立的系泊系统状态模型和基于最小二乘法的搜索算法,对海面风速为36m/s时,钢桶与各节钢管的倾斜角度、锚链形状、浮标吃水深度和游动区域进行了求解见文中XXX页,XX表。其次,针对题目所给出的系泊系统设计要求,将浮标吃水深度,浮标的游动区域,钢桶的倾角作为优化目标,以各个构件在竖直方向投影的几何约束作为约束条件,以重物球的配重作为决策变量,建立了多目标非线性规划模型。接着,采用熵权法对各优化目标分配权重,从而将多目标规划问题转化为单目标规划问题。最后,利用循环搜索算法对模型进行求解,得到的满足设计要求的配重范围为2200<=mq<=4100kg、最佳配重为2894kg。
  针对问题三,首先基于海水流速与近海风速夹角的考虑,建立了以锚为原点,海水流速方向为x轴, 竖直方向为z轴, 海床所在平面为O-xy平面, 水流速度所在法平面为O-xz平面的标准坐标系,从而描述浮标的游动区域。其次,根据海水流速与海水深度的关系,结合“近海水流力”的近似公式,从而得到水流力与海水深度的关系。接着,对系泊系统进行受力分析,确定了各参数间的关系,进而建立了系泊系统的三维状态模型。再次,结合问题二对优化目标的分析,以锚链型号,锚链长度,重物球配重作为决策变量,建立了多目标非线性规划模型。最后,考虑到模型的复杂程度,通过变步长搜索算法对模型进行求解,结果如表7.3.2所示。
  本文的特色在于将机理分析与多目标规划相结合,运用熵权法将多目标问题转化为单目标问题,使得求解结果更加客观。此外,对于解空间较复杂的模型,设计了变步长搜索算法,在保证了求解的精度的同时,极大地提高了运算的时间复杂程度,为日后系泊系统的设计的发展提供了参考依据。

模型假设:

  1. 假设浮标在水面上不存在偏斜;
  2. 假设各构件均为刚体,不发生变形;
  3. 假设问题三中海水流速随深度呈抛物分布;
  4. 假设海水流速方向水平。

问题分析:

  问题一的分析
  问题一要求建立系泊系统内钢桶和各节钢管倾斜角度,锚链形状和浮标吃水深度变化的数学模型,因此需要对不同结构分别进行受力分析,从而找到题目要求的各个参数的递推关系,进而构建本问题的非线性方程组。 其次,为了分析各个参数与风速的关系,则需要根据“近海风荷载”的近似公式,对浮标进行进一步受力分析。 此外,为了求解出海面风速为12m/s和24m/s时钢桶和各节钢管的倾斜角度、锚链形状、浮标的吃水深度和游动区域,需要求解之前构建的非线性方程,进而确定各个参数。考虑到解空间不大,因此本文采用基于最小二乘法的搜索算法进行求解。
  问题二的分析
  为了计算海面风速为36m/s时,钢桶和各节钢管的倾斜角度,锚链形状和浮标的游动区域,则只要将海面风速带入模型一进行求解即可。 为了满足钢桶的倾斜角度不超过5度,锚链在锚点与海床的夹角不超过16度的要求,需要建立以重物配重为决策变量,海水深度为几何约束条件的多目标非线性规划模型。由于数据规模不大,本文采用循环搜索算法对模型进行求解。
  问题三的分析
  为了分析在海水深度、海水速度,风速变化情况下钢桶、钢管的倾斜角度、锚链形状、浮标的吃水深度和游动区域,需要依据问题二的思路建立多目标非线性规划模型,决策变量为锚链型号、锚链长度以及重物配重。

模型的建立与求解整体论文缩略图

在这里插入图片描述
在这里插入图片描述

全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

程序代码:

mq=1200;%ÖØÎïÇòÖÊÁ¿ 
n=210;%êÁ´¸ÕÌå¸öÊý 
min=inf; 
minh=0; 
minH=0; 
minbeta=0; 
minthita1=zeros(1,4); 
minthita2=zeros(1,n)+pi/2; 
minFt2=zeros(1,n+1); for h=0:0.0001:2 Ft=zeros(1,5);%¸Ö¹Ü²¿·ÖµÄ¸÷À-Á¦ alpha=zeros(1,5);%¸Ö¹Ü²¿·Ö¸÷À-Á¦µÄ·½Ïò thita1=zeros(1,4);%¸÷¸Ö¹ÜµÄ·½Ïò beta=0;%¸ÖͰµÄ·½Ïò Ft2=zeros(1,n+1);%êÁ´²¿·ÖµÄ¸÷À-Á¦ gama=zeros(1,n+1);%êÁ´²¿·Ö¸÷À-Á¦µÄ·½Ïò thita2=zeros(1,n)+pi/2;%¸÷êÁ´µÄ·½Ïò %¸¡±ê²¿·Ö v=24;%·çËÙ S=2*(2-h); m=1000;%¸¡±êÖÊÁ¿ rou=1025;%º£Ë®ÃÜ¶È g=9.8;%ÖØÁ¦¼ÓËÙ¶È V=pi*1^2*h;%³ÔË®Ìå»ý Ffeng=0.625*S*v^2;%·çÁ¦ Ffu=rou*g*V;%¸¡Á¦ Gfu=m*g;%¸¡±êÖØÁ¦ if Ffu-Gfu<0 continue; end alpha(1)=atan(Ffeng/(Ffu-Gfu)); Ft(1)=sqrt(Ffeng^2+(Ffu-Gfu)^2); %¸Ö¹Ü²¿·Ö Vg=1*pi*0.025^2;%¸Ö¹ÜÌå»ý Ggang=10*g;%¸Ö¹ÜÖØÁ¦ Fgfu=rou*g*Vg; for i=1:4 alpha(i+1)=atan((Ft(i)*sin(alpha(i)))/(Ft(i)*cos(alpha(i))+Fgfu-Ggang)); Ft(i+1)=Ft(i)*sin(alpha(i))/sin(alpha(i+1)); thita1(i)=atan(Ft(i)*sin(alpha(i))*1/((Fgfu-Ggang)*1/2+Ft(i)*cos(alpha(i)))); end Vt=1*pi*0.15^2;%¸ÖͰÌå»ý Vq=mq/7800;%ÖØÎïÇòÌå»ý Gt=100*g;%¸ÖͰ²¿·ÖÖØÁ¦ Gq=mq*g;%ÖØÎïÇòÖØÁ¦ Ftfu=rou*g*Vt;%¸ÖͰ¸¡Á¦ Fqfu=rou*g*Vq;%ÖØÁ¦Çò¸¡Á¦ gama(1)=atan(Ft(5)*sin(alpha(5))/(Ftfu+Ft(5)*cos(alpha(5))-Gt-Gq+Fqfu)); Ft2(1)=Ft(5)*sin(alpha(5))/sin(gama(1)); beta=atan(Ft(5)*sin(alpha(5))*1/((Ftfu-Gt)*1/2+Ft(5)*cos(alpha(5))*1)); %êÁ´²¿·Ö mm=0.735;%êÁ´ÖÊÁ¿ roum=6450;%êÁ´ÃÜ¶È Vm=mm/roum;%êÁ´Ìå»ý Fmfu=rou*g*Vm;%êÁ´¸¡Á¦ Gm=mm*g;%êÁ´ÖØÁ¦ Lm=0.105;%êÁ´³¤¶È for i=1:n gama(i+1)=atan(Ft2(i)*sin(gama(i))/(Ft2(i)*cos(gama(i))+Fmfu-Gm)); if gama(i+1)<0 gama(i+1)=gama(i+1)+pi; end Ft2(i+1)=Ft2(i)*sin(gama(i))/sin(gama(i+1)); thita2(i)=atan(Ft2(i)*sin(gama(i))*Lm/((Fmfu-Gm)*Lm/2+Ft2(i)*cos(gama(i))*Lm)); if thita2(i)<0 thita2(i)=thita2(i)+pi; end end H=h+sum(cos(thita1))+cos(beta)+Lm*sum(cos(thita2)); if abs(H-18)<min minh=h; min=abs(H-18); minH=H; minthita1=thita1; minthita2=thita2; minbeta=beta; minFt2=Ft2; end 
end 
function [r,minh,minbeta,minthita2,minH] = tuodir(n,mq) 
%UNTITLED3 Summary of this function goes here 
%   Detailed explanation goes here min=inf; 
minh=0; 
minH=0; 
minbeta=0; 
minthita1=zeros(1,4); 
minthita2=zeros(1,n)+pi/2; 
mini=0; for h=0.6:0.0001:0.72 Ft=zeros(1,5);%¸Ö¹Ü²¿·ÖµÄ¸÷À-Á¦ alpha=zeros(1,5);%¸Ö¹Ü²¿·Ö¸÷À-Á¦µÄ·½Ïò thita1=zeros(1,4);%¸÷¸Ö¹ÜµÄ·½Ïò beta=0;%¸ÖͰµÄ·½Ïò Ft2=zeros(1,n+1);%êÁ´²¿·ÖµÄ¸÷À-Á¦ gama=zeros(1,n+1);%êÁ´²¿·Ö¸÷À-Á¦µÄ·½Ïò thita2=zeros(1,n)+pi/2;%¸÷êÁ´µÄ·½Ïò %¸¡±ê²¿·Ö v=12;%·çËÙ S=2*(2-h); m=1000;%¸¡±êÖÊÁ¿ rou=1025;%º£Ë®ÃÜ¶È g=9.8;%ÖØÁ¦¼ÓËÙ¶È V=pi*1^2*h;%³ÔË®Ìå»ý Ffeng=0.625*S*v^2;%·çÁ¦ Ffu=rou*g*V;%¸¡Á¦ Gfu=m*g;%¸¡±êÖØÁ¦ if Ffu-Gfu<0 continue; end alpha(1)=atan(Ffeng/(Ffu-Gfu)); Ft(1)=sqrt(Ffeng^2+(Ffu-Gfu)^2); %¸Ö¹Ü²¿·Ö Vg=1*pi*0.025^2;%¸Ö¹ÜÌå»ý Ggang=10*g;%¸Ö¹ÜÖØÁ¦ Fgfu=rou*g*Vg; for i=1:4 alpha(i+1)=atan((Ft(i)*sin(alpha(i)))/(Ft(i)*cos(alpha(i))+Fgfu-Ggang));Ft(i+1)=Ft(i)*sin(alpha(i))/sin(alpha(i+1)); thita1(i)=atan(Ft(i)*sin(alpha(i))*1/((Fgfu-Ggang)*1/2+Ft(i)*cos(alpha(i)))); end %¸ÖͰ²¿·Ö Vt=1*pi*0.15^2;%¸ÖͰÌå»ý Vq=mq/7800;%ÖØÎïÇòÌå»ý Gt=100*g;%¸ÖͰ²¿·ÖÖØÁ¦ Gq=mq*g;%ÖØÎïÇòÖØÁ¦ Ftfu=rou*g*Vt;%¸ÖͰ¸¡Á¦ Fqfu=rou*g*Vq;%ÖØÁ¦Çò¸¡Á¦ gama(1)=atan(Ft(5)*sin(alpha(5))/(Ftfu+Ft(5)*cos(alpha(5))-Gt-Gq+Fqfu)); Ft2(1)=Ft(5)*sin(alpha(5))/sin(gama(1)); beta=atan(Ft(5)*sin(alpha(5))*1/((Ftfu-Gt)*1/2+Ft(5)*cos(alpha(5))*1)); %êÁ´²¿·Ö mm=0.735;%êÁ´ÖÊÁ¿ roum=6450;%êÁ´ÃÜ¶È Vm=mm/roum;%êÁ´Ìå»ý Fmfu=rou*g*Vm;%êÁ´¸¡Á¦ Gm=mm*g;%êÁ´ÖØÁ¦ Lm=0.105;%êÁ´³¤¶È for i=1:n gama(i+1)=atan(Ft2(i)*sin(gama(i))/(Ft2(i)*cos(gama(i))+Fmfu-Gm)); if gama(i+1)<0 gama(i+1)=gama(i+1)+pi; end Ft2(i+1)=Ft2(i)*sin(gama(i))/sin(gama(i+1)); thita2(i)=atan(Ft2(i)*sin(gama(i))*Lm/((Fmfu-Gm)*Lm/2+Ft2(i)*cos(gama(i))*Lm)); if thita2(i)<0 thita2(i)=thita2(i)+pi; end H=h+sum(cos(thita1))+cos(beta)+Lm*sum(cos(thita2));%½áËãÒ»´Î if gama(i+1)>pi/2-0.015 break; end end if i<n&&abs(H-18)<min minh=h; minH=H; minthita1=thita1; minthita2=thita2; minbeta=beta; mini=i; end 
end r=Lm*sum(sin(minthita2))+sin(minbeta)+sum(sin(minthita1)); end 
全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

相关文章:

2016年国赛高教杯数学建模A题系泊系统的设计解题全过程文档及程序

2016年国赛高教杯数学建模 A题 系泊系统的设计 近浅海观测网的传输节点由浮标系统、系泊系统和水声通讯系统组成&#xff08;如图1所示&#xff09;。某型传输节点的浮标系统可简化为底面直径2m、高2m的圆柱体&#xff0c;浮标的质量为1000kg。系泊系统由钢管、钢桶、重物球、…...

vue-使用refs取值,打印出来是个数组??

背景&#xff1a; 经常使用$refs去获取组件实例&#xff0c;一般都是拿到实例对象&#xff0c;这次去取值的时候发现&#xff0c;拿到的竟然是个数组。 原因&#xff1a; 这是vue的特性,自动把v-for里面的ref展开成数组的形式&#xff0c;哪怕你的ref名字是唯一的&#xff01…...

微服务_入门1

文章目录 一、 认识微服务二、 微服务演变2.1、 单体架构2.2、 分布式架构2.3、 微服务2.4、 微服务方案对比 三、 注册中心3.1、 Eureka3.2、 Nacos3.2.1、服务分级存储模型3.2.2、权重配置3.2.3、环境隔离 一、 认识微服务 二、 微服务演变 随着互联网行业的发展&#xff0c;…...

【学习资料】袋中共36个球,红白黑格12个,问能一次抽到3个红4个白5个黑的概率是多少?

1、公式计算 1.1 题目1 袋中共 36 36 36个球&#xff0c; 红 \fcolorbox{red}{#FADADE}{\color{red}{红}} 红​ 白 \fcolorbox{white}{#808080}{\color{white}{白}} 白​ 黑 \fcolorbox{#808080}{#0D0D0D}{\color{#808080}{黑}} 黑​各 12 12 12个&#xff0c;问能一次抽到 3…...

@PathVariable,@RequestParam,@RequestBody注解,springboot与前端请求之间的数据类型转换

前端数据与springboot java数据类型转换 springboot&mybatis中数组和字符串数据类型的转换-CSDN博客中曾经提到&#xff0c;在Spring Boot中&#xff0c;通过URL传参、payload中的key-value形式或json形式&#xff0c;将前端数据以字符串格式发送到后端&#xff0c;后端We…...

在Python中优雅地打开和操作RDS

在Python中优雅地打开和操作RDS 随着数据存储需求的不断增长&#xff0c;关系数据库服务&#xff08;Relational Database Service, RDS&#xff09;成为了许多企业首选的数据存储方式。那么&#xff0c;在Python中如何轻松地与RDS进行交互呢&#xff1f;以下是一份详尽的指南…...

.whl文件下载及pip安装

以安装torch_sparse库为例 一、找到自己需要的版本&#xff0c;点击下载。 去GitHub的pyg-team主页中找到pytorch-geometric包。网址如下&#xff1a; pyg-team/pytorch_geometric​github.com/pyg-team/pytorch_geometric 然后点击如图中Additional Libraries位置的here&am…...

望繁信科技受邀出席ACS2023,为汽车行业数智化护航添翼

2023年5月25-26日&#xff0c;ACS2023第七届中国汽车数字科技峰会在上海成功举行。此次峰会汇聚了众多汽车领域的顶级专家、产业链代表及企业高管&#xff0c;共同探讨当今汽车产业的转型与未来发展趋势。 作为唯一受邀的流程挖掘厂商代表&#xff0c;望繁信科技携最新行业优势…...

基于 C语言的 Modbus RTU CRC 校验程序

一、CRC校验原理 Modbus RTU是一种常用于工业设备通信的协议&#xff0c;它基于串行通信&#xff0c;如RS-232或RS-485。在Modbus RTU中&#xff0c;CRC&#xff08;循环冗余校验&#xff09;是一种常用的错误检测机制&#xff0c;用于确保数据在传输过程中的完整性和准确性。 …...

基于微信小程序的剧本杀游玩一体化平台

作者&#xff1a;计算机学姐 开发技术&#xff1a;SpringBoot、SSM、Vue、MySQL、JSP、ElementUI、Python、小程序等&#xff0c;“文末源码”。 专栏推荐&#xff1a;前后端分离项目源码、SpringBoot项目源码、SSM项目源码 系统展示 基于微信小程序JavaSpringBootVueMySQL的剧…...

AMD或Intel上编译出来的程序,可以跑在海光上吗?

在上一篇博文《海光处理器与AMD Zen1的指令差异-CSDN博客》中发现&#xff0c;海光相比AMD&#xff0c;缺失了一些指令集。 那么在AMD或Intel上编译出来的程序&#xff0c;可以跑在海光上吗&#xff1f; 这个问题的关键&#xff0c;在于编译器默认使用哪些指令来编译程序。以Ce…...

ChatGPT 4o 使用指南 (9月更新)

首先基础知识还是要介绍得~ 一、模型知识&#xff1a; GPT-4o&#xff1a;最新的版本模型&#xff0c;支持视觉等多模态&#xff0c;OpenAI 文档中已经更新了 GPT-4o 的介绍&#xff1a;128k 上下文&#xff0c;训练截止 2023 年 10 月&#xff08;作为对比&#xff0c;GPT-4…...

微信getUserProfile不弹出授权框

当我们在微信小程序开发工具中想要使用getUserProfile来获取个人信息的时候&#xff0c;会发现不弹出授权框&#xff0c;这是什么原因呢&#xff1f; 早在2022年的小程序官方公告中就已经明确给出了小程序用户头像昵称获取规则调整公告 因此如果还想继续使用getUserProfile的弹…...

iostat 命令:系统状态监控

一、命令简介 ​iostat ​命令用于报告系统中 CPU、磁盘、tty 设备和 CPU 利用率统计信息。 ‍ 需安装 sysstat ​软件包&#xff0c;该软件包提供了一组工具&#xff0c;包括 iostat​、sar​、mpstat ​等&#xff0c;用于系统性能监控和报告。 ‍ 二、命令参数 iostat…...

从底层原理上解释 ClickHouse 的索引

ClickHouse 是一款高性能的列式数据库&#xff0c;它通过列式存储、稀疏索引、MergeTree 引擎等技术实现了极高的查询效率和吞吐量。索引是数据库中提高查询效率的关键机制之一。为了深入了解 ClickHouse 中的索引实现机制&#xff0c;我们将从底层原理、关键数据结构以及 Clic…...

9.20-使用k8s部署wordpress项目

部署wordpress项目 部署mariadb # 启动docker进程systemctl start docker​# 拉取三个镜像​docker pull nginx:alpinedocker pull wordpress:latestdocker pull mariadb:latest​# 保存三个镜像​cddocker save -o wordpress.tar wordpress:latestdocker save -o mariadb.tar…...

OSPFv3协议几类LSA介绍

OSPFv3协议介绍 与OSPFv2相比&#xff0c;OSPFv3在工作机制上与OSPFv2基本相同&#xff1b;但为了支持IPv6地址格式&#xff0c;OSPFv3对OSPFv2做了一些改动。OSPFv3基于OSPFv2基本原理增强&#xff0c;是一个独立的路由协议&#xff08;v3不兼容v2&#xff09;协议号仍然是89…...

煤矿智慧矿井数据集 (1.煤矿采掘工作面智能分析数据集2.煤矿井下钻场智能分析数据集 )

智慧矿井智能分析数据集 数据1&#xff1a;数据1包含煤矿采掘工作面工人安全帽检测&#xff0c;工人行为检测&#xff08;行走&#xff0c;站立&#xff0c;坐&#xff0c;操作&#xff0c;弯腰&#xff0c;靠&#xff0c;摔&#xff0c;爬&#xff09;&#xff0c;液压支撑防护…...

举例说明协方差的数学公式计算步骤以及皮尔逊相关系数数学公式的计算步骤

例子&#xff1a;协方差的计算步骤 协方差是用于衡量两个随机变量之间的线性相关性的统计量。它表示两个变量如何一起变化。如果协方差为正&#xff0c;表示两个变量倾向于同方向变化&#xff1b;如果为负&#xff0c;表示它们倾向于反方向变化。 下面我们将通过一个具体的例…...

2024/9/16论文赏析(均为1区或顶刊

Labeled-to-Unlabeled Distribution Alignment for Partially-Supervised Multi-Organ Medical Image Segmentation 代码链接&#xff1a;GitHub - xjiangmed/LTUDA 论文链接&#xff1a;Labeled-to-Unlabeled Distribution Alignment for Partially-Supervised Multi-Organ …...

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…...

vscode里如何用git

打开vs终端执行如下&#xff1a; 1 初始化 Git 仓库&#xff08;如果尚未初始化&#xff09; git init 2 添加文件到 Git 仓库 git add . 3 使用 git commit 命令来提交你的更改。确保在提交时加上一个有用的消息。 git commit -m "备注信息" 4 …...

【人工智能】神经网络的优化器optimizer(二):Adagrad自适应学习率优化器

一.自适应梯度算法Adagrad概述 Adagrad&#xff08;Adaptive Gradient Algorithm&#xff09;是一种自适应学习率的优化算法&#xff0c;由Duchi等人在2011年提出。其核心思想是针对不同参数自动调整学习率&#xff0c;适合处理稀疏数据和不同参数梯度差异较大的场景。Adagrad通…...

.Net框架,除了EF还有很多很多......

文章目录 1. 引言2. Dapper2.1 概述与设计原理2.2 核心功能与代码示例基本查询多映射查询存储过程调用 2.3 性能优化原理2.4 适用场景 3. NHibernate3.1 概述与架构设计3.2 映射配置示例Fluent映射XML映射 3.3 查询示例HQL查询Criteria APILINQ提供程序 3.4 高级特性3.5 适用场…...

pam_env.so模块配置解析

在PAM&#xff08;Pluggable Authentication Modules&#xff09;配置中&#xff0c; /etc/pam.d/su 文件相关配置含义如下&#xff1a; 配置解析 auth required pam_env.so1. 字段分解 字段值说明模块类型auth认证类模块&#xff0c;负责验证用户身份&am…...

【解密LSTM、GRU如何解决传统RNN梯度消失问题】

解密LSTM与GRU&#xff1a;如何让RNN变得更聪明&#xff1f; 在深度学习的世界里&#xff0c;循环神经网络&#xff08;RNN&#xff09;以其卓越的序列数据处理能力广泛应用于自然语言处理、时间序列预测等领域。然而&#xff0c;传统RNN存在的一个严重问题——梯度消失&#…...

家政维修平台实战20:权限设计

目录 1 获取工人信息2 搭建工人入口3 权限判断总结 目前我们已经搭建好了基础的用户体系&#xff0c;主要是分成几个表&#xff0c;用户表我们是记录用户的基础信息&#xff0c;包括手机、昵称、头像。而工人和员工各有各的表。那么就有一个问题&#xff0c;不同的角色&#xf…...

如何在看板中有效管理突发紧急任务

在看板中有效管理突发紧急任务需要&#xff1a;设立专门的紧急任务通道、重新调整任务优先级、保持适度的WIP&#xff08;Work-in-Progress&#xff09;弹性、优化任务处理流程、提高团队应对突发情况的敏捷性。其中&#xff0c;设立专门的紧急任务通道尤为重要&#xff0c;这能…...

将对透视变换后的图像使用Otsu进行阈值化,来分离黑色和白色像素。这句话中的Otsu是什么意思?

Otsu 是一种自动阈值化方法&#xff0c;用于将图像分割为前景和背景。它通过最小化图像的类内方差或等价地最大化类间方差来选择最佳阈值。这种方法特别适用于图像的二值化处理&#xff0c;能够自动确定一个阈值&#xff0c;将图像中的像素分为黑色和白色两类。 Otsu 方法的原…...

python报错No module named ‘tensorflow.keras‘

是由于不同版本的tensorflow下的keras所在的路径不同&#xff0c;结合所安装的tensorflow的目录结构修改from语句即可。 原语句&#xff1a; from tensorflow.keras.layers import Conv1D, MaxPooling1D, LSTM, Dense 修改后&#xff1a; from tensorflow.python.keras.lay…...