<strike id="sqckk"></strike>
ansible是目前比較流行的集群管理運維工具，本書介紹的其基礎知識，全英文。
上傳時間： 2018-02-05
上傳用戶：子非木哉
淋浴器溫度控制調節(jié)采用MAT LAB 的附加組件Simulink, 仿真系 統(tǒng)的框圖如圖1 所示。圖中的虛線為模糊控制器, 作為二維模糊控制器機構以水的溫度偏差temp 和 流量偏差f low 為輸入量, 采用模糊推理方法對水 的溫度偏差和流量偏差進行整定, 用來確定冷水閥 門和熱水閥門的開口大小cold 和hot 以便控制冷 熱水的流量, 構成2 輸入2 輸出的一階模糊控制系 統(tǒng); 模糊推理與去模糊化采用MIN - MAX 法及重 心法, 并用MA TLAB 模糊推理工具箱來編輯模糊 控制器。 圖1
上傳時間： 2018-10-12
上傳用戶：一只蟲蟲
“互聯(lián)網(wǎng)+大數(shù)據(jù)”養(yǎng)老綜合利用各種信息通信技術，以互聯(lián)、移動、開放、共享為特征，圍繞老年人的生活起居、安全保障、保健康復、醫(yī)療衛(wèi)生、娛樂休閑等各個方面，面向老年人、服務單位、政府機構等相關人員和組織，開展信息采集、信息整理、信息利用和信息服務。 “互聯(lián)網(wǎng)+大數(shù)據(jù)”養(yǎng)老既是一個技術體系，更是一個服務體系。從養(yǎng)老服務的視角觀察，根據(jù)業(yè)務目標、業(yè)務主體和業(yè)務環(huán)境的差別，“互聯(lián)網(wǎng)+大數(shù)據(jù)”養(yǎng)老業(yè)務可分為3個方面：在行政管理和行業(yè)指導方面，相關行政管理部門在老齡數(shù)據(jù)大集中的基礎上對全社會養(yǎng)老事業(yè)開展頂層設計和集中管理，建設覆蓋全國和省、市、縣、鄉(xiāng)四級行政機構的行業(yè)管理信息化平臺；在老齡產(chǎn)品和服務產(chǎn)業(yè)方面，供應商通過物聯(lián)網(wǎng)、互聯(lián)網(wǎng)技術升級老齡產(chǎn)品，養(yǎng)老服務機構利用信息化應用和智能化產(chǎn)品升級養(yǎng)老服務，形成依托數(shù)據(jù)的互聯(lián)網(wǎng)老齡產(chǎn)業(yè)集群；在老年消費者方面，老年人學習和利用互聯(lián)網(wǎng)，加強自理能力，豐富社會生活，全面提升老齡人口的物質和精神滿足感。 “互聯(lián)網(wǎng)+大數(shù)據(jù)”養(yǎng)老具有與傳統(tǒng)養(yǎng)老體系完全不同的特征，可以概括為如下幾點。
標簽： 互聯(lián)網(wǎng) 大數(shù)據(jù) 養(yǎng)老模式
上傳時間： 2018-11-01
上傳用戶：wwr123
包括下載，RDD，集群，調優(yōu)，Streaming，MLlib。
標簽： Spark 大數(shù)據(jù)分析
上傳時間： 2019-09-24
上傳用戶：joininjoy
在微電網(wǎng)調度過程中綜合考慮經(jīng)濟、環(huán)境、蓄電池的 循環(huán)電量，建立多目標優(yōu)化數(shù)學模型。針對傳統(tǒng)多目標粒子 群算法(multi-objective particle swarm optimization，MOPSO) 的不足，提出引入模糊聚類分析的多目標粒子群算法 (multi-objective particle swarm optimization algorithm based on fuzzy clustering，F(xiàn)CMOPSO)，在迭代過程中引入模糊聚 類分析來尋找每代的集群最優(yōu)解。與 MOPSO 相比， FCMOPSO 增強了算法的穩(wěn)定性與全局搜索能力，同時使優(yōu) 化結果中 Pareto 前沿分布更均勻。在求得 Pareto 最優(yōu)解集 后，再根據(jù)各目標的重要程度，用模糊模型識別從最優(yōu)解集 中找出不同情況下的最優(yōu)方案。最后以一歐洲典型微電網(wǎng)為 例，驗證算法的有效性和可行性。
標簽： 模糊 模型識別 微電網(wǎng) 多目標優(yōu)化 聚類分析
上傳時間： 2019-11-11
上傳用戶：Dr.趙勁帥
這份 資 安 事 件 應 變 小抄，專給想要 調查安全事件的 網(wǎng) 管 人 員 。 記住：面對事件時， 跟著 資 安 事 件 應 變 方 法 的流程，記下記錄不要驚慌。如果需要請立刻聯(lián)絡臺
上傳時間： 2020-10-13
上傳用戶：
嵌入式智能機器人平臺研究摘 要：針對傳統(tǒng)工業(yè)機器人采用的封閉式結構的局限性，在WindowsCE．NET系統(tǒng)基礎上，通過剪裁定制 ，去 除冗余的功能，搭建嵌入式智能機器人平臺．該智能機器人系統(tǒng)具有移動機器人需要的主要感知模塊，并有豐富的 運動控制接口及驅動模塊．同時 ，設計了多傳感器數(shù)據(jù)融合 、軌跡規(guī)劃、運動控制、無線網(wǎng)絡通信 、圖形人機界面等智 能機器人的測試軟件和應用模塊．該智能機器人平臺具有模塊化、易擴展、可移植、可定制、硬件體積小、功耗低、實 時性強、可靠性高等優(yōu)點． 關鍵詞：智能機器人平臺；WindowsCE．NET；實時控制；自主機器人；雙目視覺；語音識別引言(Introduction) 隨著計算機技術 的快 速發(fā)展 ，機器 人技術也得 到了飛速發(fā)展．然而 ，現(xiàn)有機器人系統(tǒng)在硬件 和軟件 開發(fā)方面雖然已經(jīng)趨于成熟，但依然存在一些問題． 它們的硬件多是專用的，軟件系統(tǒng)也多采用 Windows 2000或者 WindowsXP系統(tǒng)…．這些機器人系統(tǒng) 主要 存在以下一些缺點 ： (1)系統(tǒng)的實時性差．機器人控制系統(tǒng)是一個實 時性要求非常高的控制系統(tǒng)，作為一般桌面應用的 Windows和 Linux操作系統(tǒng)很難達到高實時性的要 求． ． (2)開放性 以及擴展性差．常見的機器人控制系 統(tǒng)存在的一個 問題就是 系統(tǒng) 的冗余大、開放性擴展 基金項 目：國家 自然科學基金 資助項 目(60475036) 收稿 日期 ：2005—05—16 性差，系統(tǒng)適用于特定的應用 ，不便于在硬件和軟件 上進行擴展和剪裁． (3)軟件的獨立性差．軟件結構及其邏輯結構依 賴于處理器硬件 ，難以在不同的系統(tǒng) 間移植． (4)缺少友好的人機交互界面． 2 系統(tǒng)概述(System description) 為促進當前智能機器人研究和應用，迫切需要 開發(fā)“具有開放式結構 的、模塊化 、標準化 的嵌 入式 智能機器人平臺”．這種智能機器人平臺具
上傳時間： 2022-02-12
上傳用戶：zhaiyawei
華為AI安全白皮書2018-cn近年來，隨著海量數(shù)據(jù)的積累、計算能力的發(fā)展、機器學習方法與系統(tǒng)的持續(xù)創(chuàng)新與演進，諸如圖像識別、語音識 別、自然語言翻譯等人工智能技術得到普遍部署和廣泛應用。越來越多公司都將增大在AI的投入，將其作為業(yè)務發(fā)展 的重心。華為全球產(chǎn)業(yè)愿景預測：到2025年，全球將實現(xiàn)1000億聯(lián)接，覆蓋77%的人口；85%的企業(yè)應用將部署到 云上；智能家庭機器人將進入12%的家庭，形成千億美元的市場。 人工智能技術的發(fā)展和廣泛的商業(yè)應用充分預示著一個萬物智能的社會正在快速到來。1956年，麥卡錫、明斯基、 香農(nóng)等人提出“人工智能”概念。60年后的今天，伴隨著谷歌DeepMind開發(fā)的圍棋程序AlphaGo戰(zhàn)勝人類圍棋冠 軍，人工智能技術開始全面爆發(fā)。如今，芯片和傳感器的發(fā)展使“+智能”成為大勢所趨：交通+智能，最懂你的 路；醫(yī)療+智能，最懂你的痛；制造+智能，最懂你所需。加州大學伯克利分校的學者們認為人工智能在過去二十年 快速崛起主要歸結于如下三點原因[1]：1）海量數(shù)據(jù)：隨著互聯(lián)網(wǎng)的興起，數(shù)據(jù)以語音、視頻和文字等形式快速增 長；海量數(shù)據(jù)為機器學習算法提供了充足的營養(yǎng)，促使人工智能技術快速發(fā)展。2）高擴展計算機和軟件系統(tǒng)：近 年來深度學習成功主要歸功于新一波的CPU集群、GPU和TPU等專用硬件和相關的軟件平臺。3）已有資源的可獲得 性：大量的開源軟件協(xié)助處理數(shù)據(jù)和支持AI相關工作，節(jié)省了大量的開發(fā)時間和費用；同時許多云服務為開發(fā)者提供 了隨時可獲取的計算和存儲資源。 在機器人、虛擬助手、自動駕駛、智能交通、智能制造、智慧城市等各個行業(yè)，人工智能正朝著歷史性時刻邁進。谷 歌、微軟、亞馬遜等大公司紛紛將AI作為引領未來的核心發(fā)展戰(zhàn)略。2017年谷歌DeepMind升級版的AlphaGo Zero橫 空出世；它不再需要人類棋譜數(shù)據(jù)，而是進行自我博弈，經(jīng)過短短3天的自我訓練就強勢打敗了AlphaGo。AlphaGo Zero能夠發(fā)現(xiàn)新知識并發(fā)展出打破常規(guī)的新策略，讓我們看到了利用人工智能技術改變人類命運的巨大潛能。 我們現(xiàn)在看到的只是一個開始；未來，將會是一個全聯(lián)接、超智能的世界。人工智能將為人們帶來極致的體驗，將 積極影響人們的工作和生活，帶來經(jīng)濟的繁榮與發(fā)展。
上傳時間： 2022-03-06
上傳用戶：
摘要: 智能機器人仿真系統(tǒng)，由于智能機器人受到自身多傳感器信息融合和控制多樣性等因素的影響，仿真系統(tǒng)設計主要都 是以數(shù)學建模的形式化仿真為主，無法實現(xiàn)數(shù)學建模與場景實現(xiàn)協(xié)調仿真。為此，首先分析兩輪移動機器人數(shù)學運動模型， 然后設計與機器人控制系統(tǒng)相關的傳感器數(shù)據(jù)采集分析、機器人智能自動控制和人工控制等模塊，以實現(xiàn)機器人控制的真 實場景。仿真系統(tǒng)利用 LabVIEW 設計控制界面，并結合 Robotics 工具包的建模、計算和控制功能。仿真結果表明設計的平 臺更適合教學和實驗室研究，并可為實際的物理過程提供數(shù)據(jù)參考和決策建議。 關鍵詞: 機器人; 虛擬; 系統(tǒng)仿真 中圖分類號: TP242 文獻標識碼: B1 引言 隨著測控技術的發(fā)展，虛擬儀器技術已成為工業(yè)控制和 自動化測試等領域的新生力量［1］。而機器人作為一種新型 的生產(chǎn)工具，應用范圍已經(jīng)越來越廣泛，幾乎滲透到各個領 域，是一項多學科理論與技術集成的機電一體化技術。目前 機器人仿真系統(tǒng)主要集中在復雜的機器人數(shù)學模型構建與 形式化仿真，無法實現(xiàn)分析機器人運動控制的靜態(tài)和動態(tài)特 性，更加無法實現(xiàn)控制的真實場景［2］。為了改善專業(yè)控制軟 件在硬件開發(fā)周期較長的缺點，本文擬建立一個基于通用軟 件的實時仿真和控制平臺，以更適合教學和實驗室研究。本 文以通用仿真軟件 LabVIEW 和 Robotics ［3］為實時仿真與控 制平臺，采用 LabVIEW 搭建控制界面，利用 Robotics 在后臺 進行系統(tǒng)模型和優(yōu)化控制算法計算，使其完成機器人控制系 統(tǒng)應有的靜態(tài)和動態(tài)性能分析，不同環(huán)境下傳感器變化模擬 顯示以及目標路徑形成等功能。 2 系統(tǒng)構成 仿真系統(tǒng)的構成主要包括了仿真界面、主控制界面、障 礙檢測、智能控制和人工控制模塊。其中主要對人工控制和 智能控制進行程序設計。仿真運行時，障礙檢測一直存在， 主要是為了在智能控制模式下的智能決策提供原始數(shù)據(jù)。 在人工控制模式下，障礙檢測依然存在，只不過對機器人行 動不產(chǎn)生影響，目的是把環(huán)境信息直觀
標簽： 智能機器人
上傳時間： 2022-03-11
上傳用戶：
在互聯(lián)網(wǎng)高速發(fā)展的今天，人們的娛樂、購物、支付等活動已經(jīng)離不開互聯(lián)網(wǎng)應用。電腦手機等移動設備的快速發(fā)展，使得獲取信息的途徑更加多樣化，娛樂服務吏加精巧化。隨著網(wǎng)絡用戶訪間量的不斷增加，Web服務器的壓力成倍增加，會導致服務器宕機和數(shù)據(jù)庫崩潰等問題。本文通過對網(wǎng)上商城項目高并發(fā)場景的分析，總結了影響服務器并發(fā)量的客觀原因，針對這些因素，本文以數(shù)據(jù)庫緩存和高并發(fā)web服務器負載均衡技術為主，設計并優(yōu)化了服務器高并發(fā)訪問機制。本文主要對以下兒點展開研究（1）根據(jù)需求，選擇使用MyQL數(shù)據(jù)庫作為數(shù)據(jù)存儲器，本文分析了 MySQL數(shù)據(jù)庫的優(yōu)缺點，針對MyQL數(shù)據(jù)庫查詢提出了 MySQL查詢調優(yōu)方法，在高并發(fā)環(huán)境下為了保障數(shù)據(jù)庫的讀寫安全，設計并實現(xiàn)了 MySQL的主從復制。（2）分析了加入 Redis緩存數(shù)據(jù)庫的必要性，在高并發(fā)環(huán)境下，為了防止瞬時訪問數(shù)據(jù)庫的頻率過高以及惡意攻擊等問題，提出了在Web服務器與 MySQL數(shù)據(jù)庫之間加入Reis緩存數(shù)據(jù)庫，以保障數(shù)據(jù)的安全性，并極大地提高了數(shù)據(jù)的查詢效率。為了保障 Redis數(shù)據(jù)庫的可靠性，避免宕機或斷電產(chǎn)生的系列不可恢復的問題，設計并實現(xiàn)了 Redis集群策略，通過測試，證明了 Redis緩存的優(yōu)越性（3）分析了Web集群后會造成的負載分配問題，決定加入負載均衡策略，并提出了一種新的基于加權輪詢的動態(tài)負載均衡策略。這種動態(tài)策略會根據(jù)集群服務器節(jié)點的CPU、內存、磁盤IO以及網(wǎng)絡性能的情況，計算負載權重，并根據(jù)節(jié)點對接口一段時間內的響應時間，獲取到響應時間平均權重。負載權重和響應寸間權重都與初始權重成負相關，根據(jù)這一特性，動態(tài)地設定服務器節(jié)點的權重大小。通過 JMeter測試工具測試負載均衡策略的性能，通過對比證明，本文的動態(tài)策略在響應時間和吞吐量上優(yōu)于 Nginx內置的加權輪詢策略，更加適應高并發(fā)環(huán)境關鍵詞：Web服務器，高并發(fā)，Redis，Nginx，負載均衡
標簽： web服務器
上傳時間： 2022-03-11
上傳用戶：kent
