社区
空间
专栏
全部文章
ry7740kptv发表回复 9年6个月前
MOS损坏不应该，反激采用的什么驱动方案？有没有Isense取样？硅堆损坏的话先列下硅堆的参数，很多小电流硅粒子确实很脆弱。
novakon发表回复 9年6个月前
http://on-demand.gputechconf.com/gtc/2016/presentation/s6497-brian-cheung-neural-attention-for-object-tracking.pdf https://foundationsofvision.stanford.edu/chapter-5-the-retinal-representation/
rye55357991发表回复 9年6个月前
引用 三水合番:关于“可控硅的响应时间”，楼主能详细说明一下吗？比如通常可控硅的响应时间是多少，信息来源或者测试条件是啥？从上图可以看到常用的70tps16在25度时每A的响应时间在11000多毫秒，既11微秒，电流大了响应时间还要增加。如果这个延迟是恒定的也算了，关键是它随温度波动，125度时每A响应时间150毫秒，相差70倍。多级的情况下打几发后每级的温度都不一样了。假设有一个十级加速器，五级...
254776347发表回复 9年6个月前
我也在科学城
xiaosen93发表文章 9年6个月前
求助，高压放电保护问题
现用简单的单端反激方式做了一款高压发生器，最高高压-120KV,电流100μA。因负载会有偶尔放电现象，现有高压一发生放电后、倍压硅堆或驱动mos管就会损坏。请教各位神人如何做到高压保护，相当于短路保护。或者谁能合作设计一款产品，不胜感激！
三水合番发表回复 9年6个月前
关于“可控硅的响应时间”，楼主能详细说明一下吗？比如通常可控硅的响应时间是多少，信息来源或者测试条件是啥？
rye55357991发表文章 9年6个月前
23级加速器开工了
之前因为资金不足做了个十一级加速器，通过这次制作发现了一个新的问题：关断时线圈残留的能量是比较大的，如果简单的加大续流二极管的承受电流释放掉这些能量实在可惜，这次准备增加能量回收电路。继续之前的无管和尾部检测及紧密结构，增加能量回收电路。很多人和我争论是可控硅的效率高还是igbt的效率高,从这个管子的特性来说，可控硅放电过程当达到峰值电流时电流就必须马上急剧下降以保证蛋蛋到指定的位置电容的能量基本...
coolexe发表回复 9年6个月前
N多种类的萤火虫中的一种！
rye55357991发表回复 9年6个月前
引用 hwjt150024300:你线圈长25    蛋蛋 60       一级还没关断  后级就导通了这是你不了解我的控制电路，线圈长25.蛋长60.蛋蛋离线圈8时导通，蛋蛋进人线圈23关断。用的不是传统的光电控制，那种开启和关断做在一个点上。
fusecn发表回复 9年6个月前
图中整流桥明显画错。图中画的三极管，接法感人...，按标注看70tps16是可控硅，不是这个画法。串联电容组应加上均压电阻，否则会因为容量差异导致其中一半电容过压，极易BOOM！
虎哥发表回复 9年6个月前
看了楼主的帖子，我在想，有没有可能用字典恢复来降低时钟抖动对采样的影响。（建议楼主补充理论介绍以符合加学术分的条件）
虎哥发表回复 9年6个月前
才发现入站考试有一道网友出的题与四氢呋喃有关，正确答案居然是错的。看来题目要更严格的考证。
Cirno发表回复 9年6个月前
"Our proposed architecture is related to thetwo-streams hypothesis [9], according to which the human visual cortex contains two pathways: theventral stream (which performs object recognition) and the ...
大象威武发表回复 9年6个月前
关于强度，，本人75kg，两脚一只踩在边缘支撑，另一只踩在受力部位，推力计毫无问题目测完全够用满40kg的量程
novakon发表回复 9年6个月前
我们现在知道：将物体的32x32照片分成10类（CIFAR-10），在机器学习领域属于EASY。人类大脑的视觉处理系统对物体的轮廓和细节敏感，并能够将这些轮廓和细节组成更高级的抽象概念，最终判定物体的类别。于是科学家用CNN函数拟合了大脑的这种视觉处理的过程，所以我们现在获得了非常好的分类器。 但这并不等于我们解决了机器视觉的问题。很多人眼拥有的能力，目前大家手中的神经网络还不具备。 首先，人眼的...
ddomax发表回复 9年6个月前
这是采样点在信号长度内均匀随机分布的情况，如果出现集中分布，恐怕直接排序的恢复方法性能下降较快，改天再试了。
ddomax发表文章 9年6个月前
试了下压缩感知在取样示波器中的简单应用
2016.12.18 新补充了原理简介。-------------基本信息：0、观测行为：使用ADC在信号长度内随机采样，并记录采样时刻。(随机等效采样)1、信号长度为512。2、随机等效采样点数为128。3、恢复长度为512。4、测量矩阵使用内插公式构建。5、信号重建算法为SAMP。6、冗余字典为DFT基+单位矩阵，分解算法为OMP。说明：1、受到MATLAB工作精度限制，解算接近奇异的矩阵的逆...
HXKRRRR发表回复 9年6个月前
引用 随天:要保证接触还不要太大电阻的话只能用电刷，用来控制还是有可行性的石墨电刷最好
acmilan发表文章 9年6个月前
使用mailslot实现本地C/S双工通信
Windows中有两种基于虚拟文件系统的进程间通信方式——邮件槽和管道。邮件槽的优点是简单稳定，不会动不动就管道损坏，缺点是一次传输数据不能超过64kB，而且是单工模式，只能客户端发给服务器。不过我们可以手工实现有连接的双工通信。 客户端一般采用无限长等待方式，而服务端一般采用无等待循环检查的方式实现。 项目属性里的字符集设置为[使用多字节字符集]。 客户端： 服务端：
826367277发表回复 9年6个月前
有意要。什么时候能拉回来？
novakon发表回复 9年6个月前
下一步怎么办？
下一步就应该让模型学会从视频中区分图像的背景和前景（利用相对运动信息）。 现在的模型虽然已经能够识别静态图像中的无人机，但如果无人机的外观跟背景图案太接近，我们的模型表现就很差。但是人眼可以做到，飞机飞到树林后面我们仍然可以通过缝隙跟踪，所以计算机应该也是可以做到的。 在生活实践中我们发现，如果一只鸟停在树上，我们肉眼一般是很难注意到的，因为像树枝这样杂乱的背景，相当于把目标淹没在噪声中了。但是只...
novakon发表回复 9年6个月前
（大多数读者）读到这里一定会感慨，这篇文章黑话太多了，根本就看不懂，谁来写个教程啊！！！！！ 说实话，如果你不了解机器学习，能坚持看到这里已经很不错了。所以我决定给看到这里的同学们写点什么。 tensorflow相关教程网上很多，但是新手直接跑去看的话，很有可能会发出跟上面一模一样的抱怨，明明每个字都我都认识，可是连在一起怎么就看不懂了呢……下面我根据我的经验，推荐一个入门机器学习的路线。 学...
随天发表回复 9年6个月前
要保证接触还不要太大电阻的话只能用电刷，用来控制还是有可行性的
novakon发表回复 9年6个月前
不过，为什么要训练6个小时？看着loss图像下降得那么平缓，我怀疑是学习率设低了。paper里经常用的0.1学习率是针对paper里面提到的loss设置的，这次我用了自定义的loss，学习率也应该改一下再使用。 于是我把学习率从0.1改成了1，最开始那段收敛加速了10倍，可怜了我宝贵的时间。。。 提一点： 根据Yoshua Bengio教授提出的 https://arxiv.org/abs/1...
daihao533发表回复 9年6个月前
进口货，棒子是6乘180的，灯弧长170毫米，双灯泵浦。现在是连续氪灯，可以送两根氙灯。激光做好了单个脉冲至少50j，搞什么都够了。如果连续输出功率至少500瓦。价格4800元，这个还有吗
德国公车发表回复 9年6个月前
楼主开始啃C语言了，从开始。。
德国公车发表回复 9年6个月前
楼主可以考虑减少一点3d打印件，去淘宝上找一找看看有没有形状类似的标准件可以代替，毕竟3d打印的成本也比较高，还有楼上说的耐温和强度问题
daihao533发表回复 9年6个月前
了不起，这些东西每一样操作起来都不简单，像五轴 能玩好这一样，就很牛了，另外有些设备操作起来有些危险性，像剪板 折弯 如果操做的话 最好找个专业的师傅
novakon发表回复 9年6个月前
使用上述loss function，SGDR 0.1学习率（等效于0.05），4500样本，100/batch 训练（有乱序，无数据增强），训练误差下降到与验证误差相等需要300epoch左右(记不清了)，总耗时6小时。不行我得去买显卡了。训练效果：我们将3x3的网络输出放大到36x36，并叠加到64x64的样例上。 绿色通道是ground truth（x0.2）, 红色通道是prediction...
大象威武发表回复 9年6个月前
引用 chemistry02:200N。。。承受力太小了。。。还没用螺栓加固呢，加固后会再测试
改装pcp发表回复 9年6个月前
以卖很久了，忘记封贴了。
daihao533发表回复 9年6个月前
你好，这个在吗
chemistry02发表回复 9年6个月前
200N。。。承受力太小了。。。
daihao533发表回复 9年6个月前
这个激光焊接机头出了吗