猿辅导集团推首个教育AI范式小猿AI 聚焦家校应用场景发布3款新品
近两年,通用大模型呈爆发式发展,垂类AI遭遇“技术平替”危机。
4月15日,猿辅导集团在“小猿AI暨智能硬件战略发布会”上,正式推出首个教育AI范式——“小猿AI”,并发布覆盖家校两端的“软件应用+智能终端+通识课程”三位一体解决方案,涵盖小猿AIApp、小猿AI学习机及飞象星球人工智能通识课,系统性回应大模型时代教育AI的发展命题。
此次发布直击垂类AI的核心命题:当ChatGPT们以“全能选手”姿态跨界渗透时,专注教育场景的AI如何构建不可替代的竞争壁垒?教育AI的技术路径是什么?教育AI的价值有哪些?
突破通用大模型应用困境小猿AI推动个性化学习迈入新阶段
在全球范围内,各类大模型的迅猛发展引起了广泛关注。然而,通用大模型在垂类应用中,仍然面临诸多挑战,尤其是教育领域,诸如“孩子尬聊闲扯”“答案准确性存疑”等问题持续困扰着许多家长。概括起来,“AI+教育”需要突破功能性代差、教育适配断层和安全防线失守这三大困境。
猿辅导集团副总裁、智能硬件负责人王向东强调:“教育不是信息的无序狂欢,而是认知的精密手术。”在这个特殊的领域,对知识安全和精准导航的需求要远高于信息自由和随机生成。“从「AI+教育」到「教育+AI」就变得很重要。”
基于这一思考,猿辅导集团推出首个专为中小学生打造的教育AI——小猿AI。其底层为数据层,上层为场景层,中间两层分别为模型层和逻辑层。垂类应用通常在数据层和场景层具有明显优势。
小猿AI采用四层架构覆盖全学习场景
早在2014年,猿辅导集团成立了行业首个人工智能实验室,开启「教育+AI」探索,覆盖100多个教育应用场景。经过十多年的探索,积累了涵盖学习内容数据、动态学情数据和丰富合作资源的高质量数据集。大模型带来了更强的数据分析能力,使猿辅导集团对孩子学情的掌握进入了前所未有的新阶段。王向东表示,“借助大模型能力,小猿AI不仅能够快速锁定学生的错因和思考漏洞,还能通过处理文本、语音、视频与图像交互信息,了解学生的情绪,以便对其知识掌握能力、学习习惯、学习偏好和学习能力做更准确的评估。”基于数据与场景的积累,正是教育AI构筑的第一重壁垒。
去年,猿辅导集团自研大模型通过备案,并通过信通院最高等级(5级)认证。同时,其牵头制定了团标《智能学习终端内容审核基本要求》,使其大模型无论在技术领先性上,还是在教育内容安全领域,都具有足够的话语权。
小猿AI模型层由猿辅导集团自研的猿力大模型和Deepseek-R1模型矩阵组成,既能充分发挥大模型优势,又能保障教育专业性,这或成为教育AI的又一重壁垒。据悉,Deepseek-R1具有强大的推理和自进化能力,能推动猿力大模型不断进化。而猿力大模型在教育场景理解上更具优势,能够保障实时认知对齐,并进行信息安全过滤。“两者互相训练、互相补充,共同推动教育AI回归教育本质。”王向东表示。
逻辑层的搭建是区别于通用大模型应用的关键。据介绍,小猿AI通过与中小学特级教师合作,利用其“教学思维链”训练和推动教学逻辑的进化,使其教学智慧转化为可规模化的数字资产。同时,凭借500多万小时的课程视频积累,猿辅导集团更懂得如何用数字技术重构特级教师线上授课模式,形成“教学目标结构-要素分离-技术重构-动态调试的”教学逻辑进化闭环。
这套教育AI的运行逻辑,能带来什么用户价值呢?
王向东认为,“是让孩子的个性化学习进入新阶段。”他进一步解释,“在教育领域,个性化学习平台借助人工智能技术,因材施教,满足不同学生的学习需求,促进教育公平,培养出更多适应时代发展的创新型人才。这也正是我们教育AI的价值。”
小猿AIApp:中小学生专属教育AI打造全场景学习解决方案
这一教育AI首先落地在其同名软件应用小猿AIAPP上,使其更具规模化应用价值。
小猿AIAPP是专为中小学生打造的全场景学习解决方案,采用极简的交互界面,覆盖100多个关键学习场景,实现类真人老师的个性化1V1讲解,推动教育AI应用从辅助工具向成长伙伴跃升。
据介绍,该产品深度整合AI作业批改、五重错因分析、个性化讲题等核心功能,将应用场景从作业场景延伸至预习、复习、自主练习等家庭学习全流程。
在作业批改环节,小猿AIAPP不仅能精准识别带图应用题、几何图像题等复杂题型,还可实现分步骤错误定位,其独创的"五重错因分析法",通过知识漏洞检测、思维路径回溯、概念关联分析、解题习惯诊断、认知水平评估五个维度,精准定位学生错因。区别于传统的AI讲解,小猿AIAPP首次实现基于错因的“1v1个性化讲解”,模拟专业老师的讲解思路,哪里不会讲哪里,使整个讲解的过程更符合学龄段孩子的接受能力,提高学习效率。
小猿AIAPP首次实现基于错因的“1v1个性化讲解”
基于AI的交互创新也是产品的亮点之一。产品呈现极简界面,不再依靠人找功能,而是功能找人。其“互动预习”功能,通过情境式互动激发学习兴趣,提高学习代入感。应用通过趣味故事介绍作者与历史背景,逐句逐层拆解内容,互动提问和实时反馈,提升学生理解力。其“百科小猿”功能,则与权威百科系列图书DK合作,通过互动问答,用孩子喜爱的方式提供专业知识解答,不仅拓展学生知识学习,更激发学生探索知识的兴趣。
值得注意的是,小猿AIApp率先引入心理健康守护功能。系统通过大模型识别用户情绪,通过“共情-安慰-行动”路径,拉近与孩子的心理距离,提供情感支持和可落地解决方案,成为孩子的情绪疏导师和心理咨询伙伴。据悉,在真实用户测试中,小猿AI曾通过11分钟对话,帮助孩子解决心理问题。
其首创的记忆模式,使其从学习工具到成长守护伙伴进化,“教育AI不是简单的工具,而是具有温度的智能伙伴,这是教育科技产品的本质进化。”王向东强调,未来该产品将免费向学生推广,成为具有普惠价值的中小学生专属教育AI。
随着该产品的推广应用,AI技术也将重新定义“因材施教”的教育内涵,为个性化学习开辟出全新路径。
小猿AI学习机:首个AI全流程学习辅导机器人
什么形态的产品能更好的体现教育AI的全部价值,更全面的推进个性化学习?
本次发布会上,猿辅导集团以一款搭配智能基座的小猿新一代AI学习机尝试回答这一问题。这也是猿辅导集团继小猿学练机后首次发布学习机产品。
据王向东介绍,“传统学习产品多聚焦单点突破,而基于大模型的教育AI基座使系统性变革成为可能。我们希望通过新技术、新硬件,为孩子带来新的个性化学习体验。”小猿新一代AI学习机,以平板为眼、耳,智能基座为手,通过伴学机器人形态,提供涵盖每日学习计划、学情诊断、知识图谱、课程学习、每日一练等学习全流程的辅导方案,推动个性化学习再进一步。
小猿AI学习机首次实现AI全流程辅助学习
在小猿AI学习机的首页,“今日作业”板块占据了超过一半的屏幕。针对“作业”这个课后必经场景,小猿独家研发作业辅导系统,并以此链接学习全场景。该系统支持设备拍照、小猿智能硬件家长端文字编辑等多种上传作业形式,系统会自动将作业拆解为清晰的学习计划,并依据各学科的知识体系与学习规律,精准匹配相应的学习内容。这一过程中,家长即便不在孩子身边,也能通过手机端实时了解孩子的作业完成进度,实现家校共育的紧密协同。
同时,依托猿辅导集团多年来沉淀的学习内容资源优势,小猿AI学习机打造“诊-学-练”闭环流程为孩子的个性化学习提供了更为精准的支持。传统学习机的学情诊断大多依赖系统出题、做题等环节,而小猿新一代AI学习机则支持拍照批量上传过往作业和试卷,进行系统化“审阅”与“诊断”。该系统的学情诊断贯穿学习的每一个环节,据悉孩子上课过程中的互动答疑,平时的练习都会作为其诊断的依据。区别于普通AI作业批改,小猿AI学习机提供分步骤作业批改和错因诊断,直击知识与能力漏洞,使诊断更精准。
产品基于智能硬件形式,匹配新课标录制20000多课时精品课程,支持同步学、培优学等,满足不同层次的学习需求。同时,产品引进了新概念、剑桥等体系化课程,夯实了内容基本盘。
不仅如此,搭配智能基座后,小猿AI学习机瞬间化身为灵动可爱的机器人模样,拥有更丰富的“情感交互”能力,能够通过点头、点赞、害怕、伤心等20多种人格化动作和情绪表达,生动形象地与孩子互动交流。令人惊喜的是,它还具备敏锐的情绪识别功能,可依据用户不同的心情以及聊天话题,智能切换不同音色进行沟通,悲伤时给予轻柔抚慰,喜悦时传递热情共鸣,时刻与孩子心灵相通,共情成长点滴,实现心理健康守护。
硬件上,小猿AI学习机延续了小猿系列产品的一贯风格,选用顶级配件,坚持护眼第一。其搭配的13英寸超清原画屏,是行业首个通过莱茵全局护眼3.0认证的屏幕。
飞象人工智能通识课:首个贯通中小学全学段AI通识教育产品
人工智能技术的广泛应用不仅为教育带来了新的可能性,也在重塑中小学生的生活,从个性化学习到智能游戏、互动工具,随着这些变化的深入,人工智能通识教育的重要性也愈发显现出来。
本次发布会,飞象星球发布国内首个贯通中小学全学段的人工智能通识教育产品——飞象人工智能通识课,该课程首次采用双专家团联合开发,即猿力科技人工智能研究院专家及飞象科学教研团。引入了目前国内外最主流的AI平台与工具,包括DeepSeek、Manus、腾讯元宝、可灵AI等,向学生讲授生成式AI、大语言模型等技术原理。课程覆盖小学、初中全学段,共包含10门课程、160节课,课程内容从感知到应用再到开发,难度层层递进,并保持动态更新。
飞象星球发布首个贯通中小学全学段的人工智能通识课程
区别于传统的教学方式,飞象人工智能通识课设计了大量互动体验环节,比如,通过小组合作,让学生相互测量同伴的人脸信息,体验人工智能人脸识别的过程。与此同时,采用项目制、探究式的教学方法,比如,当司机疲劳驾驶存在安全隐患时,可以让学生尝试用学到的人脸识别技术来解决。这类学习方式强调学习的实践性,鼓励学生去发现问题、分析问题,然后用学到的人工智能技术,来尝试解决问题。
飞象人工智能通识课旨在提供中小学高质量普及人工智能教育的解决方案。因此,课程采用其首创的“智能双师”模式,通过线上名师授课与本地教师互动答疑相结合,让任何一间教室都能开展人工智能教育。这有效解决了专业师资不足和落地难的问题,实现了优质教育资源的共享,为普及中小学人工智能教育提供了范例。
目前,该课程已陆续在北京、重庆、云南、内蒙古等25个省市的1000余所学校进行试点,覆盖学生达15万名。
从教育垂类大模型的技术突破,到家庭学习场景的产品革新,再到校园AI教育的率先全国试点,猿辅导集团的三重AI布局预示着这家企业已实现从“新技术”向“新智能”转变,旗下产品全面进入AI智能时代。在“AI+教育”的深水区探索中,猿辅导集团展现了技术赋能教育的无限可能。
相关文章:
猿辅导集团推首个教育AI范式小猿AI 聚焦家校应用场景发布3款新品
近两年,通用大模型呈爆发式发展,垂类AI遭遇“技术平替”危机。 4月15日,猿辅导集团在“小猿AI暨智能硬件战略发布会”上,正式推出首个教育AI范式——“小猿AI”,并发布覆盖家校两端的“软件应用智能终端通识课程”三位…...
10【模块学习】LCD1602(二):6路温度显示+实时时钟
项目:6路温度显示实时时钟 1、6路温度显示①TempMenu.c文件的代码②TempMenu.h文件的代码③main.c文件的代码④Timer.c文件的代码⑤Delay.c文件的代码⑥Key.c文件的代码 2、实时时钟显示①BeiJingTime.c文件的代码②BeiJingTime.h文件的代码③main.c文件的代码如下④…...
Embedding在RAG中的核心作用及其几何类比-来自DeepSeek
1. 核心概念映射 Embedding的本质:将文本、图像等非结构化数据转化为高维空间中的坐标点(向量),例如: 句子A → 向量 [0.2, -1.5, 3.0, ..., 0.7](假设维度为768) 句子B → 向量 [0.3, -1.4, 2…...
前端快速入门——JavaScript函数、DOM
1.JavaScript函数 函数是一段可重复使用的代码块,它接受输入(参数)、执行特定任务,并返回输出。 <scricpt>function add(a,b){return ab;}let cadd(5,10);console.log(c); </script>2.JavaScript事件 JavaScript绑定事件的方法࿱…...
AOSP14 Launcher3——最近任务TaskViewSimulator详解
前言:TaskViewSimulator 这个类在最近任务中起到了一个非常重要的作用。 从字面意思上理解,这个单词是由TaskViewSimulator组合而来,字面意思就是TaskView的模拟器,顾名思义,就是一个用来模拟TaskView的类。 为什么要模…...
层次式架构核心:中间层的功能、优势与技术选型全解析
层次式架构中的中间层是整个架构的核心枢纽,承担着多种重要职责,在功能实现、优势体现以及技术选型等方面都有丰富的内容,以下为你详细介绍: 一、功能 1.业务逻辑处理 复杂规则运算:在许多企业级应用中,…...
MySQL主从同步原理及面试回答
1. 什么是主从结构 主从复制、读写分离(分库)解决的是访问的压力 2. Mysql主从复制的原理 Mysql主从复制的核心是binlog日志文件(二进制日志文件) 二进制日志(BINLOG)记录了所有的 DDL(数据定…...
利用quartus的DDS函数信号发生器设计
一、功能要求 采用数字频率合成(Direct Digital FrequencySynthesis,简称DDS)设计制作一个波形发生器,仿真后,在DE2-115开发板上实践。 要求: 1、利用DDS技术合成正弦波和方波; 2、输出信号的…...
2.1 腾讯校招通关指南-算法与数据结构
2.1腾讯校招算法与数据结构通关攻略:高频题型真题拆解实战技巧 在腾讯技术岗面试中,算法与数据结构是占比30%的核心考核项,直接决定了面试通过率的「生死线」。本文结合腾讯近三年校招真题,拆解4大高频题型的解题套路、专项训练方…...
数据一致性的守护神:深入Spring声明式事务管理 (@Transactional)
在前面几篇文章中,我们一路打怪升级,掌握了Spring IoC/DI、Bean管理、AOP,并用JdbcTemplate和Spring Data JPA简化了数据库访问。我们的代码越来越简洁、高效。但想象一下这个场景: 用户A向用户B转账100元。这至少需要两个数据库…...
神经网络复习
1 机器学习 1.1 定义 机器学习是人工智能的一个分支领域,它致力于让计算机系统能够自动从数据中学习规律,并利用这些规律对新的数据进行预测或决策,而无需显式地编写针对特定任务的规则。 1.2 分类 全监督学习 全监督学习是指在训练模型时…...
从代码学习深度学习 - 自注意力和位置编码 PyTorch 版
这里写自定义目录标题 前言一、自注意力:Transformer 的核心1.1 多头注意力机制的实现1.2 缩放点积注意力1.3 掩码和序列处理1.4 自注意力示例二、位置编码:为序列添加位置信息2.1 位置编码的实现2.2 可视化位置编码总结前言 深度学习近年来在自然语言处理、计算机视觉等领域…...
Web前端开发——图像与多媒体文件(上)
学习目标: 优秀的商业网站往往通过为页面添加大量的图像、声音、视频、动画等多媒体信息来丰富网站的内容,吸引更多网络访问者的关注。目前大型商业网站非常注重对Web前端开发技术的研究,通过组合各类前端开发技术来改善用户体验和增加用户互…...
C#核心学习(三)常见的泛型数据结构类(1)List和Dictionary
前面我们刚刚学习了,什么是泛型。今天我们就来看看C#中有哪些,常见的泛型数据结构,今天要介绍的是List,和Dictionary。 引言 在C#编程中,泛型集合是高效管理数据的核心工具。List<T>和Dictionary<TKey, TValue>作为两…...
运行时数据区
运行时数据区 Java 虚拟机在运行 Java 程序过程中管理的内存区域称之为运行时数据区,运行时数据区负责管理 JVM 使用到的内存,例如创建对象和销毁对象。 程序计数器 程序计数器又叫 PC 寄存器,每个线程都会通过程序计数器记录当前要执行的字…...
union all 关联查询
UNION ALL 并非用于表的关联查询,而是用于将多个 SELECT 语句的结果集合并成一个结果集。它会保留所有重复的行,不像 UNION 会去除重复行。下面为你提供几种使用 UNION ALL 的场景示例。 示例表结构 假设存在两个表 sales_2024 和 sales_2025ÿ…...
npm ERR! vue-admin-beautiful@1.0.0 dev: `vue-cli-service serve` 问题解决
笔者在跑实习公司的前端时,老是报这个错,并且网上(csdn)并没有好的解决方法,于是这篇文章就诞生了。[吐槽一下]:小公司的实习生干的活是真的多啊。。。 解决方案 依赖有些包装不上,换个源就行了,这里采用…...
玩转Docker | 使用Docker部署Xnote笔记工具
玩转Docker | 使用Docker部署Xnote笔记工具 前言一、Xnote介绍Xnote简介1.2 Xnote特点二、系统要求环境要求环境检查Docker版本检查检查操作系统版本三、部署Xnote服务下载镜像编辑配置文件编辑部署文件创建容器检查容器状态检查服务端口安全设置四、访问Xnote服务访问Xnote首页…...
TDengine 与其他时序数据库对比:InfluxDB/TimescaleDB 选型指南(二)
四、应用场景分析 (一)TDengine 适用场景 TDengine 适用于对写入性能和存储效率要求极高的物联网设备数据采集场景。在一个拥有数百万个传感器的智能工厂中,每个传感器每秒都会产生多条数据,TDengine 能够高效地处理这些高并发的…...
ARM Cortex汇编宏定义
在ARM架构(尤其是Cortex-M系列MCU)的汇编中,**宏定义(Macro)**用于复用代码片段,支持参数化编程,简化重复逻辑(如寄存器操作、循环、条件判断等)。以下是ARM汇编宏定义的核心语法、用法及示例: 一、宏定义的基本语法 使用 MACRO 和 MEND 伪指令包裹宏体,通过 参数…...
【含文档+PPT+源码】基于Python心理健康管理系统
项目视频介绍: 毕业作品心理健康管理系统 课程简介: 本课程演示的是一款基于Python心理健康管理系统,主要针对计算机相关专业的正在做毕设的学生与需要项目实战练习的 Python学习者。 1.包含:项目源码、项目文档、数据库脚本、软…...
Dockerfile项目实战-单阶段构建Vue2项目
单阶段构建镜像-Vue2项目 1 项目层级目录 以下是项目的基本目录结构: 2 Node版本 博主的Windows电脑安装了v14.18.3的node.js版本,所以直接使用本机电脑生成项目,然后拷到了 Centos 7 里面 # 查看本机node版本 node -v3 创建Vue2项目 …...
大数据驱动的供应链透明化:从数据孤岛到智能协同
大数据驱动的供应链透明化:从数据孤岛到智能协同 在全球化供应链环境下,透明化不仅是一种企业责任,更是提高效率、降低成本和增强供应链韧性的关键举措。然而,传统供应链体系因数据孤岛、信息滞后、信任缺失等问题,常常导致生产过剩、库存积压、资源浪费,甚至供应链断裂…...
第四篇:[特殊字符] 深入理解MyBatis[特殊字符] 掌握MyBatis Generator ——入门与实战
引言 什么是 MyBatis Generator? MyBatis Generator (MBG) 是一个代码生成工具,专为 MyBatis 框架设计。它可以根据数据库表结构自动生成 Java 实体类、Mapper 接口、Mapper XML 文件以及 Example 类。通过使用 MBG,开发者可以显著减少编写…...
LeetCode算法题(Go语言实现)_48
题目 在给定的 m x n 网格 grid 中,每个单元格可以有以下三个值之一: 值 0 代表空单元格; 值 1 代表新鲜橘子; 值 2 代表腐烂的橘子。 每分钟,腐烂的橘子 周围 4 个方向上相邻 的新鲜橘子都会腐烂。 返回 直到单元格中…...
ESP-ADF外设子系统深度解析:esp_peripherals组件架构与核心设计(核心API详解之单个外设管理)
目录 单个外设管理APIesp_periph_createesp_periph_set_functionesp_periph_startesp_periph_stopesp_periph_set_dataesp_periph_get_dataesp_periph_get_stateesp_periph_get_idesp_periph_set_idesp_periph_initesp_periph_runesp_periph_destroy 单个外设管理API esp_peri…...
基于vue2+ElementUI的el-tree封装一个带搜索的树形组件
需求 实现一个如图带搜索框的下拉树形组件。 解决方案 利用el-inputel-tree实现自定义带搜索的下拉树形组件。 具体实现步骤 1、创建TreeSelect组件 <template><div class"tree-select-wrapper" v-clickoutside"handleClose"><el-inpu…...
G2学习打卡
🍨 本文为🔗365天深度学习训练营 中的学习记录博客🍖 原作者:K同学啊 DCGAN实践 import torch, random, random, os import torch.nn as nn import torch.nn.parallel import torch.optim as optim import torch.utils.data im…...
【广州华锐互动】汽车生产引入数字孪生系统,优化生产流程,提升汽车产品质量
数字孪生系统的应用为企业带来了生产流程的革命性变革。以汽车制造企业为例,该企业在生产过程中引入数字孪生系统,实现了生产流程的全面优化和产品质量的显著提升 。 在生产流程优化方面,数字孪生系统对汽车生产线进行了全方位的模拟和实时…...
从Gradio App创建Discord Bot/Slack Bot/Website Widget(2)——从Gradio App创建Slack Bot
从Gradio App创建Discord Bot/Slack Bot/Website Widget(2)——从Gradio App创建Slack Bot 本篇摘要18. 从Gradio App创建Discord Bot/Slack Bot/Website Widget18.2 从Gradio App创建Slack Bot18.2.1 运作原理及前置条件1. 运作原理2. 前置条件 18.2.2 …...
基于STM32G474的SPI获取MT6816编码器绝对角度配置指南
前言:最近上手使用了一款编码器芯片,也是先艰难阅读了一下全英文版本的编码器的规格手册,然后通过SPI读取了一下绝对值角度。虽然发现使用起来还是挺简单的,但使用后还是会产生一个对其原理层面的好奇,比如磁编码器内部…...
深入学习ReentrantLock
ReentrantLock 0. 前言:为什么需要 ReentrantLock?1. 基础概念与核心特性1.1 什么是 ReentrantLock?1.2 ReentrantLock vs. synchronized1.3 核心特性详解1.3.1 可重入性 (Reentrancy)1.3.2 公平性选择 (Fairness Choice)1.3.3 可中断获取锁 …...
Spring Boot 集成金蝶 API 演示
✨ Spring Boot 集成金蝶 API 演示:登录 / 注销 Cookie 保存 本文将通过 Spring Boot 完整实现一套金蝶接口集成模型,包括: ✅ 普通登录✅ AppSecret 登录✅ 注销✅ Cookie 保存与复用 📅 项目结构 src/ ├── controller/ │…...
适用于 HAL 的 AIDL
目录 设计初衷 注意 编写AIDLHAL接口 查找AIDLHAL接口 扩展接口 将现有HAL从HIDL转换为AIDL AIDL与HIDL之间的主要差异 针对HAL的供应商测试套件(VTS)测试 Android 11 中引入了在 Android 中使用 AIDL 实现 HAL 的功能, 从而可以在不使用 HIDL 的情况下实现 Android 的部分…...
49、Spring Boot 详细讲义(六)(SpringBoot2.x整合Mybatis实现CURD操作和分页查询详细项目文档)
项目文档:银行借据信息CURD操作和分页查询 一、项目概述 1. 项目简介 本项目旨在使用Spring Boot框架整合MyBatis连接Mysql数据库实现借据信息的增加、删除、修改和查询功能,同时支持分页查询,并提供对应的Restful风格的接口。 2.环境准备 2.1.工具和软件准备 JDK(建议…...
C# 运行web项目
1、web项目直接点击顶部运行...
GPU服务器声音很响可以怎么处理
当GPU服务器运行时噪音过大,通常是由于高负载下散热风扇高速运转所致。以下是分步骤的解决方案,帮助您有效降低噪音并保持设备稳定运行: 一、排查噪音来源 定位声源 • 使用 声级计 或手机分贝检测APP,确定最大噪音位置࿰…...
Java如何选择ojdbc驱动
如何选择ojdbc驱动? 取决于短板。 如果JDK版本高,数据库版本低,根据Oracle数据库版本选择。如果JDK版本低,数据库版本高,根据Java版本选择。 Oracle官网OJDBC驱动和受支持的JDK版本 23ai 21c 19c 驱动类型选择 oj…...
【微思就业推荐 】T岗位-北京,福州,厦门等地
到微思学习,免费推荐就业!学员内推! 原创 厦门微思网络 2025年04月 有哪些大公司在招OCP认证人才? 有哪些大公司在招聘拥有HCIE认证的人才 ① 委托单位:润欣商业管理(厦门)有限公司 央企-华润资产的子公司 岗位&am…...
Linux 命令全解析:从零开始掌握 Linux 命令行
Linux 作为一款强大的开源操作系统,广泛应用于服务器、嵌入式系统以及超级计算机领域。掌握 Linux 命令行技能,是每一位开发者和系统管理员的必备能力。本文将从基础开始,为你详细介绍常用的 Linux 命令,以及它们的使用场景和示例…...
2025年4月份生活有感
今天在5000B培训的下午,一起入所来的小伙伴,有个申请了深圳大学的博士,已录取。哎,想起了当年申博时候信心和决心不足,导致后面匆匆的拿了offer去工作。看到同事的选择还是非常羡慕,想到自己5月份的婚礼&am…...
鸿蒙系统开发状态更新字段区别对比
在鸿蒙系统开发中,状态管理是构建响应式UI的核心机制,主要通过装饰器(Decorators)实现字段的状态观测与更新。根据鸿蒙的版本(V1稳定版和V2试用版),支持的装饰器及其特性有所不同。以下是主要状…...
CEPH OSD_SLOW_PING_TIME_FRONT/BACK 警告处理
ceph config set mgr mon_warn_on_slow_ping_time 2000说明:mon_warn_on_slow_ping_time 该值默认为0,那么只要 osd 心跳超过 mon_warn_on_slow_ping_ratio of osd_heartbeat_grace. 也就是超过 mon_warn_on_slow_ping_ratio和mon_warn_on_slow_ping_rat…...
HTML应用指南:利用POST请求获取全国小菜园门店位置信息
小菜园作为一家以徽菜为主的快餐品牌,自2013年成立以来,凭借其独特的烹饪理念和精致的东方口味菜品,在中国市场上迅速崛起。该品牌强调少油少盐、减少调味品使用,旨在传承并发扬徽州风味的独特魅力。这种健康且不失美味的烹饪方式…...
Python在去中心化物联网中的应用:数据安全、智能合约与边缘计算的融合
Python在去中心化物联网中的应用:数据安全、智能合约与边缘计算的融合 在万物互联的时代,传统物联网(IoT)架构依赖于集中式服务器来管理数据、设备互联与身份认证。然而,随着设备数量激增,中心化架构的可扩展性、安全性和隐私问题逐渐暴露。去中心化物联网(DeIoT)通过…...
CEPH配置优化建议
一、硬件配置优化 磁盘选择: SSD 与 HDD 搭配:使用 SSD 作为 OSD 日志盘(Journal)或元数据存储,HDD 作为数据盘。推荐 SSD 与 HDD 的比例为 1:3~5,具体根据业务负载调整。 RAID 禁用:避免使用硬…...
深度学习入门:神经网络的学习
目录 1 从数据中学习1.1 数据驱动1.2 训练数据和测试数据 2损失函数2.1 均方误差2.2 交叉熵误差2.3 mini-batch学习2.4 mini-batch版交叉熵误差的实现2.5 为何要设定损失函数 3 数值微分3.1 数值微分3.3 偏导数 4 梯度4.1 梯度法4.2 神经网络的梯度 5 学习算法的实现5.1 2层神经…...
机器学习_决策树
决策树的特点 可以处理非线性的问题可解释强,没有θ模型简单,模型预测效率高 if else不容易显示的使用函数表达,不可微 决策树的生成和预测 生成:通过大量数据生成一颗非常好的树,用这棵树来预测新来的数据。 预测&…...
深入理解UML动态图:系统行为建模全景指南
目录 前言1. 动态图概述2. 用例图(Use Case Diagram)2.1 定义与作用2.2 应用价值2.3 实践建议 3. 顺序图(Sequence Diagram)3.1 定义与特征3.2 应用优势3.3 建模建议 4. 活动图(Activity Diagram)4.1 定义与…...
Linux驱动开发进阶(九)- SPI子系统BSP驱动
文章目录 1、前言2、SPI总线注册3、SPI设备注册4、SPI驱动注册5、SPI BSP驱动 1、前言 学习参考书籍以及本文涉及的示例程序:李山文的《Linux驱动开发进阶》本文属于个人学习后的总结,不太具备教学功能。 2、SPI总线注册 驱动源码文件:dri…...