刷新
读数据可视化30用户实验

博主头像 1. 概述 1.1. 随着可视化研究、技术和应用的发展,对可视化技术和系统进行有效的用户实验变得越来越有必要 1.2. 如果可视化方法及结果缺乏严谨的用户评测实验,就很难对该方法和相关技术的进一步应用提供有说服力的证据 1.3. 可视化研究者需要比较新技术与已有技术的优劣,了解在何种情况下新技术更好 ...

数学 同余

博主头像 同余 一、同余的定义 设整数 \(a, b, m\),若 \(m \mid (a - b)\),称 \(a\) 同余于 \(b\) 模 \(m\),记作: \[a \equiv b \pmod{m} \]其中 \(m\) 为模数,\(a\) 对模 \(m\) 的剩余。如果没有特别说明,模数总是正整数 ...

告别盯盘焦虑!小羽毛股票量化多策略盯盘哨兵 v3.3.5 重磅发布:全维异动秒级捕捉,内存瘦身丝滑蜕变!

博主头像 本文深度解读「小羽毛量化盯盘哨兵」v3.2.8 至 v3.3.5 的重磅蜕变。新版核心上线全新「日内全维异动哨兵」,秒级捕捉拉升、破昨高昨低及百万大单;新增底部大盘指数看板与五档盘口常驻;实现监控信号跨刷新持久化保留;更历经多轮底层架构重构,彻底攻克长时间盯盘内存过高与最小化黑屏顽疾,让超短与量化交... ...

我做了个 Windows 内存清理小工具:MemoryCleaner

博主头像 我做了个 Windows 内存清理小工具:MemoryCleaner 作者:新* 发布日期:2026-09-10 适用平台:Windows 10 / 11(64 位) 是什么 一款 Windows 内存清理工具:一键清理 + 定时自动清理 + 实时内存监控,不用时最小化到托盘,几乎感觉不到它的存在。 ...

离线语音的工程实践:从唤醒优化到低资源部署

博主头像 做端侧语音的同行这两年应该有个共同感受:云端方案拼的是算力和生态,但落到政企内网、涉密会议室、机器人这类场景,拼的是另一套东西——能不能离线跑、认不认得人、断网了还能不能活。 最近在调试一套面向政企的离线会议系统,踩了不少坑,也积累了一些经验。今天不谈产品,只聊技术实现层面的几个关键问题。 一、离线 ...

PHP 各框架下和 Go 的性能比较

博主头像 在制作 AI GO ADMIN 的接口节流功能的时候,需要跨平台进行测试,突发奇想,何不找个全新的线上服务器,压测一下常见 PHP 框架和 Go 的来个对比,看看性能差距到底如何。 ai-go-admin 是一款主打可视化 CRUD 和极简内核的开源后台系统,完全诞生于 AI 时代,技术栈是 Gol ...

FileExtraction:批量提取文件

博主头像 日常整理资料时,常需要把散落在层层文件夹里的某几类文档汇总到一起——比如所有的 docx、pdf、xlsx。手动搜索复制既慢又容易漏。FileExtraction 就是为此而生的一个小工具:选定目录,一键扫描出指定类型的文件,批量导出并附上一份 Excel 清单。 基于 Rust + egui 构建 ...

我用 AI 做了一套鸡兔同笼备课资料

博主头像 在开始今天的正式内容之前,先夹带一点私货:阿可 AI 现在支持发布托管站点了。生成站点之后,点击发布,就可以得到一个可长期对外访问的网站链接,后续无论是课件、小游戏,还是其他互动页面,都可以直接用链接打开和分享。 这个功能在下面保存课件时会用到,先埋个伏笔。话不多说,回到今天的主题。 做教学课件太耗 ...

Gale-Ryser 定理

博主头像 前情提要:不知道为什么在写这种东西,但看起来是经典问题,总之先学了。感觉写得一坨,欢迎大家讨论/指正! 经典问题(可二分图序列) 给定 \(n,m\) 表示二部图两侧的点数。再给出 \(A = (a_1, a_2 \dots a_n)\),\(B = (b_1, b_2 \dots b_m)\) 表 ...

纯前端生成海报下载方案

博主头像 ‍ 写在开头 点赞 + 收藏 学会 Vue 实战:纯前端生成带中心 Logo 二维码的分享海报 在日常的 Web 业务中,经常会遇到“点击分享,生成一张包含用户信息、业务数据以及专属二维码的海报图”的需求。为了节省服务端资源,我们通常会采用纯前端的方案来完成海报的绘制与下载。 本 ...

Rust 几何基础算法实现:从 geo crate 到 geo-toolbox

博主头像 摘要:本文从 geo-toolbox 的 geo-core 源码出发,分析它如何基于 Rust 的 geo crate 封装几何算法。内容涵盖 DE-9IM 空间谓词与 BBox 粗筛、坐标合法性校验、i_overlay 驱动的布尔运算、CRS 分类与距离计算选择、凸包与 RDP 简化等,并总结了该... ...

别再把 AI 看成“芯片+大模型”——它背后是一条完整的产业链

博主头像 每次聊到 AI,大家最先想到的往往是“大模型”“AI 芯片”。这没有错,但不完整。真正支撑 AI 运转的,是一条从材料到算力的长产业链:上游一卷铜箔、一张电子布,中游的光模块、液冷设备,下游的服务器、数据中心与算力租赁,层层咬合、缺一不可。 这条链大致可以分为 4 段: ① 最上游:材料与核心器件 ...

<1···111213···100>