1、故障智能诊断系统的发展趋势（1）多种知识表示方法的结合；（2）经验知识（浅层知识）与原理知识（深层知识）的紧密结合；（3）诊断系统与神经网络的结合；（4）虚拟现实技术将得到重视和应用；（5）数据库技术与人工智能技术相互渗透。——王道平，张义忠著《故障智能诊断系统的理论与方法》，冶金工业出版社2、故障诊断方法分类示意图
系统 2019-08-29 23:49:15 2121
今天，我们继续一系列文章，使用HTML5的canvas组件进行游戏开发。接下来，我们将开始学习如何添加动画以及一些更有趣的功能。我们的演示将包括一艘太空船飞越时空，并使用一个新的游戏元素–对话框。对话框将包含两页，我们的按钮用来切换对话框的页面，并隐藏对话框。你可以点击这里阅读这一系列教程的前一篇文章：html5游戏制作入门系列教程（二）。我们的将基于之前的程序和代码进行开发。这里有我们的演示和下载包：在线演示源码下载好吧，下载所需文件，让我们开始编码！步
系统 2019-08-29 23:32:33 2121
随着计算机软件开发分工细节化，微软对已有的产品线进行了调整，在保持原有经典开发工具VisualStudio基础上，又推出了一套新的设计开发工具系列，ExpressionStudio。ExpressionStudio设计工具系列包含四项主要产品：ExpressionBlendExpressionBlend（下称Blend），是一款用于设计桌面和Web应用用户界面的可视化工具。用户可以通过拖拉控件方式创建用户交互界面；另外Blend中，包含一款软件原型建模工具
系统 2019-08-29 23:28:41 2121
1.引言在并发编程中我们有时候需要使用线程安全的队列。如果我们要实现一个线程安全的队列有两种实现方式：一种是使用阻塞算法，另一种是使用非阻塞算法。使用阻塞算法的队列可以用一个锁（入队和出队用同一把锁）或两个锁（入队和出队用不同的锁）等方式来实现，而非阻塞的实现方式则可以使用循环CAS的方式来实现，本文让我们一起来研究下DougLea是如何使用非阻塞的方式来实现线程安全队列ConcurrentLinkedQueue的，相信从大师身上我们能学到不少并发编程的技
系统 2019-08-29 22:40:24 2121
本文实例讲述了PythonWeb框架之Django框架Form组件用法。分享给大家供大家参考，具体如下：Form简介在HTTP中，表单（form标签），是用来提交数据的，其action属性说明了其传输数据的方法：如何传、如何接收。访问网站时，表单可以实现客户端与服务器之间的通信。例如查询，就用到了表单（其属性中，action=get）。再比如说注册与登陆，也是要用到表单的。但这里由于涉及到隐私问题，需要保证数据传输的安全性，因此其传输方法就应当使用post
系统 2019-09-27 17:55:05 2120
Mac中python多版本切换管理step1.$sudovi~/.bashrcstep2.命令行中输入aliaspython2=’/…/Versions/2.x/bin/python2.x’aliaspython3=’/…/Versions/3.x/bin/python3.x’Step3.刷新$source~/.bashrcStep4、验证在终端输入python2即代表是Python2.x版本，输入python3即代表是Python3.x版本。Mac设置默
系统 2019-09-27 17:55:04 2120
基于python-opencv3的图像显示和保存操作，具体代码如下所示：importcv2ascvimportnumpyasnp#导入库print("-------------------------------")image=cv.imread("D:/1.jpeg")#写入图像cv.imshow("image",image)#显示cv.waitKey()#等待cv.destroyAllWindows()#关闭所有窗口cv.imwrite("D:\\2.
系统 2019-09-27 17:54:55 2120
三引号完全原样输出print(r"""xx\n\adaadf=?aa“”")重复输出print(3*“ab”)print(“ab”*3)abababababab3、列表定义x=“world”y=[1,2,3,4,5]索引（负数从右边开始，正数从左边开始）print(x[0])print(y[4])print(x[-2])print(y[-1])print(y[-5])print(x[-5])w5l51w切片x=“world”y=[1,2,3,4,5]pri
系统 2019-09-27 17:51:22 2120
BeautifulSoup基础实战安装：pipinstallbeautifulsoup4常用指令：frombs4importBeautifulSoupasbsimporturllib.requestdata=urllib.request.urlopen("https://www.cnblogs.com/mcq1999/").read().decode("utf-8","ignore")bs1=bs(data)print(bs1.prettify())#格式
系统 2019-09-27 17:50:47 2120
近来实验室的师姐要发论文，由于论文交稿时间临近，有一些杂活儿需要处理，作为实验室资历最浅的一批，我这个实习生也就责无旁贷地帮忙当个下手。今天师姐派了一个小活，具体要求是：给一些训练模型的迭代次数，训练精度的数据，让我做成图表形式展示出来，一方面帮助检查模型训练时的不足，另一方面来看样本数目和预测精度之间的联系，数据具体格式如下：Iteration1500labeltraintestrightacc1214324241.01609216150.9375100
系统 2019-09-27 17:45:55 2120
