系统分析师7:数学与经济管理

文章目录

  • 1 图论应用
    • 1.1 最小生成树
    • 1.2 最短路径
    • 1.3 网络与最大流量
  • 2 运筹方法
    • 2.1 线性规划
    • 2.2 动态规划
      • 2.2.1 供需平衡问题
      • 2.2.2 任务指派问题
  • 3 预测与决策
    • 3.1 不确定型决策分析
    • 3.2 风险型决策
      • 3.2.1 决策树
      • 3.2.2 决策表
  • 4 随机函数
  • 5 数学建模

1 图论应用

①最小生成树

  • 连接所有顶点;
  • 无环路;
  • 权值之和最小。

②最短路径

  • 起点;
  • 终点;
  • 只要有1条通路就可以了
  • 权值之和最小。

③网路与最大流量

  • 起点;
  • 终点;
  • 多条路径合并。

1.1 最小生成树

例题
某小区有七栋楼房①~⑦(见下图),各楼房之间可修燃气管道路线的长度(单位:百米)已标记在连线旁。为修建连通各个楼房的燃气管道,该小区内部煤气管道的总长度至少为多少百米?
在这里插入图片描述
分析

  • 克鲁斯卡尔算法:最短边
    在这里插入图片描述

  • 普利姆算法:最近顶点
    在这里插入图片描述

  • 故煤气管道的总长度至少为:2+3+3+4+5+6=23百米

注意:最小生成树可以有多种,但是最小权值只有一个。

1.2 最短路径

例题
有一批货物要从城市s发送到城市t,线条上的数字代表通过这条路的费用(单位为万元)。那么,运送这批货物,至少需要花费多少万元?
在这里插入图片描述
分析
在这里插入图片描述
最短路径:S->2->3->5->6->t,需要花费21+20+20+8+12=81万元

1.3 网络与最大流量

例题
下图标出了某地区的运输网,各节点之间的运输能力如下表所示。那么,从节点①到节点⑥的最大运输能力(流量)可以达到多少万吨/小时?
在这里插入图片描述在这里插入图片描述
分析

  1. 多段流量分析时,流量由瓶颈决定;
  2. 以抽取的方式分析剩余流量;
  • 先根据表在图中标上数据:
    在这里插入图片描述
  • 步骤1:(1)最大流量路径:1->3->5->6,最大运输能力10
  • 步骤2:抽取对应路径
  • 重复步骤1、步骤2,直到没有路径为止。
  • (2)1->2->5->6,最大运输能力6
  • (3)1->4->6,最大运输能力5
  • (4)1->4->2->5->6或1->4->3->5->6,最大运输能力1,1
  • 故从节点①到节点⑥的最大运输能力(流量)可以达到10+6+5+1+1=23万吨/小时

例2
在军事演习中,张司令希望将部队尽快从A地通过公路网(见下图)运送到F地:
在这里插入图片描述

图中标出了各路段上的最大运量(单位:千人/小时)。根据该图可以算出,从A地到F地的最大运量是()千人/小时。
A 20
B 21
C 22
D 23

分析
(1)A->B->F,最大运输能力8;
(2)A->B->E->F或A->D->E->F,最大运输能力4,4;
(3)A->D->C->E->F,最大运输能力3;
(4)A->C->E->F,最大运输能力2;
(5)A->B->C->E->F,最大运输能力1;
故最大运量是8+4+4+3+2+1=22千人/小时

2 运筹方法

2.1 线性规划

线性规划的一些特点:

  • 线性规划的可行解域是由一组线性约束条件形成的,从几何意义来说,就是由一些线性解面围割形成的区域,不一定是封闭的多边形或多面体。
  • 如果存在两个最优解,则连接这两点的线段内所有的点都是最优解,而线段两端延长线上可能会超出可行解区。
  • 增加一个约束条件时,要么缩小可行解域(新的约束条件分割了原来的可行解域),要么可行解域不变(新的约束条件与原来的可行解域不相交)
  • 如果最优解在可行解域边界某个非顶点处达到,则随着等值域向某个方向移动,目标函数的值会增加或减少(与最优解矛盾)或没有变化(在此段边界上都达到最优解),从而仍会在可行解域的某个顶点处达到最优解。若最优解存在且唯一,则可以从可行解区顶点处比较目标函数值来求解。

线性规划的标准型(standard form of linear programrmng)是线性规划模型的标准形式。其主要特征为:
(1)目标函数为极大化类型;
(2)所有的约束条件都是等式;
(3)所有约束方程右端的常数都是非负的;
(4)所有决策变量都是非负的。

例题
线性规划问题由线性的目标函数和线性的约束条件(包括变量非负条件)组成。满足约束条件的所有解的集合称为可行解区。既满足约束条件,又使目标函数达到极值的解称为最优解。以下关于可行解区和最优解的叙述中,正确的是( )。
A 可行解区一定是封闭的多边形或多面体
B 若增加一个线性约束条件,则可行解区可能会扩大
C 若存在两个最优解,则它们的所有线性组合都是最优解
D 若最优解存在且唯一,则可以从可行解区顶点处比较目标函数值来求解

分析

  • 由一些线性解面围割形成的区域,不一定是封闭的多边形或多面体
  • 增加一个约束条件时,要么缩小可行解域,要么可行解域不变
  • 如果存在两个最优解,则连接这两点的线段内所有的点都是最优解,而线段两端延长线上可能会超出可行解区
  • 若最优解存在且唯一,则可以从可行解区顶点处比较目标函数值来求解
  • 故答案D

例2
某企业需要采用甲、乙、丙三种原材料生产l、I两种产品。生产两种产品所需原材料数量、单位产品可获得利润以及企业现有原材料数如下表所示,则公司可以获得的最大利润是(1)万元。取得最大利润时,原材料(2)尚有剩余。
在这里插入图片描述

(1)
A.21
B.34
C.39
D.48

(2)
A.甲
B.乙
C.丙
D.乙和丙

分析
设生产Ⅰ与Ⅱ产品的数量分别为︰X和Y。
则有:
(1)X+Y<= 4
(2)4X+3Y<=12
(3) X+3Y<=6
(4)X>= 0,Y>=0
目标函数:
9X+12Y

图解法:
找顶点,代入
在这里插入图片描述联立方程求解:
在这里插入图片描述
例2
某公司现有400万元用于投资甲、乙、丙三个项目,投资额以百万元为单位,已知甲、乙、丙三项投资的可能方案及相应获得的收益如下表所示,则该公司能够获得的最大收益值是()百万元。
A 17
B 18
C 20
D 21
在这里插入图片描述
分析
穷举法:
在这里插入图片描述

  • 甲:1,乙:2,丙:1,收益值18
  • 故答案:B。

2.2 动态规划

2.2.1 供需平衡问题

例题
设三个煤场A、B、C分别能供应煤12、14、10万吨,三个工厂x、Y、Z分别需要煤11、12、13万吨,从各煤场到各工厂运煤的单价(百元/吨)见下表方框内的数字。只要选择最优的运输方案,总的运输成本就能降到()百万元。

在这里插入图片描述A 83
B 91
C113
D 153

贪心策略分析

  1. 找单价最低的:
    煤场A到工厂Y的单价最低;
    煤场B到工厂X的单价最多;
    煤场C到工厂X的单价最低。
    由于工厂Z没有单价最低的,就需要考虑分配一些产量给工厂C;
    在这里插入图片描述

  2. 分配一些产量给工厂C:
    对于煤场A:工厂Y分配产量给工厂X,单价成本增加4,分配产量给工厂Z,单价成本增加5;
    对于煤场B:工厂X分配产量给工厂Y,单价成本增加2,分配产量给工厂Z,单价成本增加1;
    对于煤场C:工厂X分配产量给工厂Y,单价成本增加3,分配产量给工厂Z,单价成本增加4;
    在这里插入图片描述

现在想要成本越少越好,所以成本增长越少越好,所以把煤场B的产量分配给工厂Z,又工厂Z的需求量为13,煤场B最大供煤量14,所以工厂X分配产量为1,工厂Z分配产量为13。煤场C的最大供煤量10全部都分配给工厂X。煤场A的最大供煤量12全部都分配给工厂Y。最终得到最优方案。
在这里插入图片描述

  1. 运输成本最低为:21+310+112+313=83百万元
  2. 答案:A

伏格尔法求解供需平衡问题
伏格尔法的步骤是:
1、算出各行各列中最小元素次小元素的差额,并标出差额最大的(若几个差额同为最大,则可任取其一)。
2、在差额最大的行或列中的最小元素处填上尽可能大的数。
3、对未划去的行列重复以上步骤,直到得到一个初始解。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

2.2.2 任务指派问题

例题
某企业准备将四个工人甲、乙、丙、丁分配在A、B、C、D四个岗位。每个工人由于技术水平不同,在不同岗位上每天完成任务所需的工时见下表。适当安排岗位,可使四个工人以最短的总工时( )全部完成每天的任务。

在这里插入图片描述
A 13
B 14
C 15
D 16

贪心策略分析
在这里插入图片描述在这里插入图片描述在这里插入图片描述

匈牙利算法分析
在这里插入图片描述在这里插入图片描述
在这里插入图片描述

例2
某工厂分配四个工人甲、乙、丙、丁同时去操作四台机床A、B、C、D,每人分配其中的一台。已知每个工人操作每台机床每小时的效益值如下表所示,则总效益最高的最优分配方案共有()个。
在这里插入图片描述A 1
B 2
C 3
D 4

匈牙利算法分析
在这里插入图片描述按行减:
在这里插入图片描述在这里插入图片描述按列减:

在这里插入图片描述在这里插入图片描述故正确答案C

3 预测与决策

3.1 不确定型决策分析

在这里插入图片描述
在这里插入图片描述例题
在这里插入图片描述
分析
乐观主义者:(500,300,300)=>积极型
悲观主义者:(50,100,200)=>保守型
平均值决策法:(700/3,600/3,750/3)=>保守型
后悔值:(250,200,300)=>稳健型

例2
某公司为经营业务的需要,决定要在现有生产条件歹变的情况下,生产一种新产品,现可供生产的产品有甲、乙、丙、丁四种类型。由于缺少相关资料背景,对新产品的市场需求只能估计为大、中、小三种状态,在不同的市场需求条件下,新产品的收益值如表所示。如果决策者采用后悔值方法进行决策,该公司应生产( ) 。

在这里插入图片描述A 甲
B 乙
C 丙
D 丁

分析
在这里插入图片描述
答案:B

3.2 风险型决策

3.2.1 决策树

例1
某电子商务公司要从A地向B地的用户发送一批价值为90000元的货物。从A地到B地有水、陆两条路线。走陆路时比较安全,其运输成本为10000元;走水路时一般情况下的运输成本只要7000元,不过一旦遇到暴风雨天气,则会造成相当于这批货物总价值的10%的损失。根据历年情况,这期间出现暴风雨天气的概率为1/4,那么该电子商务公司该如何选择呢?

在这里插入图片描述
分析
水路:
好天气:70000.75=5250
坏天气:(7000+90000
10%)0.25=4000
总计:7000
0.75+(7000+90000*10%)*0.25=9250

陆路:10000

水路的成本低些,故选择水路

例2
某企业拟进行电子商务系统的建设,有四种方式可以选择:①企业自行从头开发;②复用已有的构件来构造;③购买现成的软件产品;④承包给专业公司开发。针对这几种方式,项目经理提供了如图所示的决策树,根据此图,管理者选择建设方式的最佳决策是( ) 。
A.企业自行从头开发
B.复用已有的构件来构造
C.购买现成的软件产品
D.承包给专业公司开发
在这里插入图片描述
分析
自行从头开发:0.338+0.745=42.9
复用:0.427.5+0.60.231+0.60.849=38.24
购买:0.7
21+0.330=23.7
承包:0.6
35+0.4*50=41
故最佳决策为购买现成的软件产品
答案C。

例3
生产某种产品有两个建厂方案:(1)建大厂,需要初期投资500万元。如果产品销路好,每年可以获利200万元;如果销路不好,每年会亏损20万元。(2)建小厂,需要初期投资200万元。如果产品销路好,每年可以获利100万元;如果销路不好,每年只能获利20万元。
市场调研表明,未来2年这种产品销路好的概率为70%。如果这2年销路好,则后续5年销路好的概率上升为80%;如果这2年销路不好,则后续5年销路好的概率仅为10%.为取得7年最大总收益,决策者应() 。

A 建大厂,总收益超500万元
B 建大厂,总收益略多于300万元
C 建小厂,总收益超500万元
D 建小厂,总收益略多于300万元

分析
首先画决策树:
在这里插入图片描述求平均收益值:
在这里插入图片描述建大厂的平均收益高,总收益略高于300万。
故答案选A。

3.2.2 决策表

案例
评估和选择最佳系统设计方案时,甲认为可以采用点值评估方法,即根据每一个价值因素的重要性,综合打分来选择最佳的方案。乙根据甲的提议,对如表所示的系统A和B进行评估,那么乙认为( ) 。

A.最佳方案是A
B.最佳方案是B
c.条件不足,不能得出结论
D.只能用成本/效益分析方法做出判断

在这里插入图片描述分析
系统A:9535%+7040%+8525%=82.5
系统B:75
35%+9540%+9025%=86.75
故最佳方案是B
答案:B

4 随机函数

例1
根据历史数据和理论推导可知,某应用中,随机变量s的分布密度函数为f (x)=2x,(0<x<1)。这意味着,当Δx充分小时,随机变量s落在区间(x,x+Δx)内的概率约等于f (x) Δx。为此,开发该应用的仿真系统时,可用()来模拟该随机变量,其中,r1和r2为计算机逐个产生的、均匀分布在(0,1)区间内的互相独立的伪随机数。

A max (r1,r2)
B min (r1,r2)
C r1*r2
D (r1+r2)/2

分析
假设随机变量s的分布密度函数为f (x)=2x
这意味着,当△x充分小时,随机变量s落在区间(x,x+Ax)内的概率约等于f (x)Ax。r1和r2为计算机逐个产生的、均匀分布在(0,1)区间内的互相独立的伪随机数。

–随机数即约等于密度函数的结果
密度函数为上升趋势,则随机数应该满足上升趋势。此处采用模拟函数max (r1, r2)随机产生随机数r1和r2。

法二:
f(x)近似等于命中率,则:
假设r1 = 0.1,r2= 0.2,
A:max(r1,r2)=0.2,f(x)=0.4;
B:min(r1,r2)=0.1,f(x)=0.2;
C:r1*r2=0.02,f(x)=0.04;
D:(r1+r2)/2=0.15,f(x)=0.3
f(x)越大,命中率越高,故max(r1,r2)命中率最高

答案:A

例2
根据历史数据和理论推导可知,某应用中,随机变量s的分布密度函数为f (x)=3x^2,(0<x<1)。这意味着,当Ax充分小时,随机变量s落在区间(x,x+△x)内的概率约等于f (x)Ax。为此,开发该应用的仿真系统时,可用()来模拟该随机变量,其中,r1、r2、r3…为计算机逐个产生的、均匀分布在(0,1)区间内的互相独立的伪随机数。

A max (r1,r2,r3)
B min (r1,r2,r3)
C r1r2r3
D (r1+r2+r3)/3

分析
假设r1=0.1,r2=0.2,r3=0.3
A:max(r1,r2,r3)=0.3,f(x)=0.18;
B:min(r1,r2,r3)=0.1,f(x)=0.02;
C:r1r2r3=0.006,f(x)=0.000072;
D:(r1+r2+r3)/3=0.2,f(x)=0.08
f(x)越大,命中率越高,故max(r1,r2,r3)命中率最高
答案:A。

5 数学建模

数学建模是一种数学的思考方法,是运用数学的语言和方法,通过抽象和简化,建立能近似刻画并解决实际问题的模型的一种强有力的数学手段。

数学建模过程
在这里插入图片描述

  • 模型准备:了解问题的实际背景,用数学语言来描述问题。
  • 模型假设:根据实际对象的特征和建模的目的,对问题进行必要的简化,并用精确的语言提出一些恰当的假设。
  • 模型建立:在假设的基础上,建立相应的数学结构。
  • 模型求解:利用获取的数据资料,对模型的所有参数做出计算(估计)。模型分析:对所得的结果进行数学上的分析。
  • 模型检验:将模型分析结果与实际情形进行比较,以此来验证模型的准
    确性、合理性和适用性。
  • 模型应用:应用方式因问题的性质和建模的目的而异。

模型分析

  • 模型的合理性分析:最佳、适中、满意等。
    • 利用实际案例数据对模型进行检验
    • 可以请专家来分析模型是否合理
    • 利用计算机来模拟实际问题,再在计算机上检验该数学模型。
  • 模型的误差分析:模型误差、观测误差、截断误差、舍入误差、过失误差、绝对误差、相对误差等。
  • 参数的灵敏性分析∶变量数据是否敏感,在最优方案不变的条件下这些变量允许变化的范围。

例1
面对复杂的实际问题,常需要建立数学模型来求解,但根据数学模型求出的解答可能不符合实际情况,故还需分析模型参数和输入数据的微小变化是否会引起输出结果的很大变化。这种分析常称为( ) 。

A 准确度分析
B 敏感度分析
C 可靠性分析
D 风险分析

分析
答案:敏感度分析

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/417653.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Android 存储之 SharedPreferences 框架体系编码模板

一、SharedPreferences 框架体系 1、SharedPreferences 基本介绍 SharedPreferences 是 Android 的一个轻量级存储工具&#xff0c;它采用 key - value 的键值对方式进行存储 它允许保存和读取应用中的基本数据类型&#xff0c;例如&#xff0c;String、int、float、boolean …

解决Type-C接口供电难题:LDR6328取电协议芯片的关键作用

在智能设备快速发展的今天&#xff0c;Type-C接口因其便捷性、高速传输能力和双向充电功能&#xff0c;已成为众多设备的标准接口。然而&#xff0c;随着设备功率需求的不断提升&#xff0c;Type-C接口的供电难题也日益凸显。为解决这一难题&#xff0c;LDR6328取电协议芯片应运…

HTB-Pennyworth(cve查询 和 exp使用)

前言 各位师傅大家好&#xff0c;我是qmx_07,今天给大家讲解Pennyworth靶场 渗透过程 信息搜集 服务器端口开放了8080http端口 访问网站 服务器使用jenkins cms系统&#xff0c;版本是2.289.1 通过弱口令爆破&#xff0c;账户是root,密码是password 通过命令执行nday 连…

2.1ceph集群部署准备-硬件及拓扑

硬件配置及建议 时至今日&#xff0c;ceph可以运行在各种各样的硬件平台上&#xff0c;不管是传统的x86架构平台(intel 至强系列、基于amd的海光系列等)&#xff0c;还是基于arm的架构平台(比如华为鲲鹏)&#xff0c;都可以完美运行ceph集群&#xff0c;展现了其强大的适应能力…

结合AI图片增强、去背景,如何更好的恢复旧照片老照片?

随着数字时代的到来&#xff0c;我们越来越依赖于技术来保存和恢复珍贵的记忆。在众多技术中&#xff0c;人工智能&#xff08;AI&#xff09;在恢复旧照片方面展现出了其独特的魅力和潜力。AI不仅能够修复破损的照片&#xff0c;还能够增强图像质量&#xff0c;让那些褪色的记…

WPS中JS宏使用说明(持续优化...)

前言 好久没发文章了&#xff0c;今天闲来无事发篇文章找找之前的码字感觉。 正文 最近在写教案&#xff0c;发现之前的技术又可以派上用场了。就是JS&#xff0c;全称JavaScript&#xff0c;这个语言太强大了&#xff0c;我发现WPS里的宏现在默认就是JS。功能选项如下图&…

开源模型应用落地-qwen2-7b-instruct-LoRA微调合并-ms-swift-单机单卡-V100(十三)

一、前言 本篇文章将使用ms-swift去合并微调后的模型权重&#xff0c;通过阅读本文&#xff0c;您将能够更好地掌握这些关键技术&#xff0c;理解其中的关键技术要点&#xff0c;并应用于自己的项目中。 二、术语介绍 2.1. LoRA微调 LoRA (Low-Rank Adaptation) 用于微调大型语…

算法练习题14——leetcode84柱形图中最大的矩形(单调栈)

题目描述&#xff1a; 解题思路&#xff1a; 要解决这个问题&#xff0c;我们需要找到每个柱子可以扩展的最大左右边界&#xff0c;然后计算以每个柱子为高度的最大矩形面积。 具体步骤如下&#xff1a; 计算每个柱子左侧最近的比当前柱子矮的位置&#xff1a; 使用一个单调…

vue3获取视频时长、码率、格式等视频详细信息

前言&#xff1a; 我们在上传视频需要视频的帧数等信息的时候&#xff0c;上传组件无法直接读取帧数等信息 方法&#xff1a;通过mediainfo.js来获取视频的帧率、总帧数和视频的总时长 mediainfo.js地址&#xff0c;想详细了解的可以去看看git地址&#xff1a;https://githu…

【最新华为OD机试E卷-支持在线评测】查找充电设备组合(200分)-多语言题解-(Python/C/JavaScript/Java/Cpp)

🍭 大家好这里是春秋招笔试突围 ,一枚热爱算法的程序员 ✨ 本系列打算持续跟新华为OD-E/D卷的三语言AC题解 💻 ACM金牌🏅️团队| 多次AK大厂笔试 | 编程一对一辅导 👏 感谢大家的订阅➕ 和 喜欢💗 🍿 最新华为OD机试D卷目录,全、新、准,题目覆盖率达 95% 以上,…

【机器学习-神经网络】循环神经网络

【作者主页】Francek Chen 【专栏介绍】 ⌈ ⌈ ⌈Python机器学习 ⌋ ⌋ ⌋ 机器学习是一门人工智能的分支学科&#xff0c;通过算法和模型让计算机从数据中学习&#xff0c;进行模型训练和优化&#xff0c;做出预测、分类和决策支持。Python成为机器学习的首选语言&#xff0c;…

软件测试基础总结+面试八股文

一、什么是软件&#xff1f; 软件是计算机系统中的程序和相关文件或文档的总称。 二、什么是软件测试&#xff1f; 说法一&#xff1a;使用人工或自动的手段来运行或测量软件系统的过程&#xff0c;以检验软件系统是否满足规定的要求&#xff0c;并找出与预期结果之间的差异…

C++笔记15•数据结构:二叉树之二叉搜索树•

二叉搜索树 1.二叉搜索树 概念&#xff1a; 二叉搜索树又称二叉排序树也叫二叉查找树&#xff0c;它可以是一棵空树。 二叉树具有以下性质: 若它的左子树不为空&#xff0c;则左子树上所有节点的值都小于根节点的值 若它的右子树不为空&#xff0c;则右子树上所有节点的值都…

Ubuntu 下载/安装

官网 Enterprise Open Source and Linux | UbuntuUbuntu is the modern, open source operating system on Linux for the enterprise server, desktop, cloud, and IoT.https://ubuntu.com/ 下载 安装 完结撒花&#xff01;

论文学习(一):基于遥感技术的凉山州森林火险预测方法研究

文章目录 摘要部分一、绪论二、研究区历史火情分析2.1凉山州森林火灾年际变化特征2.2凉山州森林火灾月际变化特征2.3凉山州森林火灾空间分布特征2.4森林火灾等级与起火原因分析 三、数据与方法3.1数据来源3.2数据预处理3.3研究方法3.3.1逻辑回归&#xff1a;最大似然估计3.3.2决…

C++知识点总结

一、C简介 1、c的特点&#xff1a; 1、在支持C语言的基础上&#xff0c;全面支持面向对象编程 2、编程领域广泛&#xff0c;功能强大 3、C语言标准一直在保持更新 4、支持底层操作的面向对象编程语言 5、在面向对象编程语言中执行效率高 2、面向过程与面向对象的区别 面向过程是…

IDEA 安装,激活,使用,常用插件

1. 下载安装&#xff0c; 自行下载 2.打开到这步立马退出 3.使用工具 点击工具 等待几秒 查看效果。 恭喜你&#xff0c;成功&#xff01;&#xff01;&#xff01;&#xff01; 恭喜你&#xff0c;成功&#xff01;&#xff01;&#xff01;&#xff01; 恭喜你&#xff0…

移动硬盘显示需要格式化怎么办?教你快速应对

在日常使用电脑的过程中&#xff0c;移动硬盘因其便携性和大容量存储的特点&#xff0c;成为了许多用户备份和传输数据的重要工具。 然而&#xff0c;有时当我们连接移动硬盘到电脑时&#xff0c;可能会遇到一个令人头疼的问题——系统提示“移动硬盘需要格式化”。面对这种情…

ZPC显控一体机,精彩不止一面!

显控一体机的应用&#xff0c;有很多场景会遇到自带显示屏固定不灵活、尺寸不够大等问题。扩展屏幕便是一个很好的解决方案&#xff01;本文将带您解锁ZPC显控一体机的“多面精彩”。 ZPC简介 ZPC系列显控一体机 是广州致远电子全新研发的集“显示”“控制”一体化的高性能显控…

使用pytorch深度学习框架搭建神经网络

简介 现在主流有两个框架pytorch和TensorFlow,本文主要介绍pytorch PyTorch&#xff1a;由 Facebook 的人工智能研究小组开发和维护。PyTorch 以其动态计算图&#xff08;Dynamic Computational Graph&#xff09;和易用性著称&#xff0c;非常适合研究人员和开发者进行实验和…