【基于移动教学平台的中职会计专业混合式教学模式研究】 随着信息技术的快速发展，移动教学平台已成为教育领域的重要工具，尤其对于中等职业教育（中职）的会计专业来说，利用移动教学平台实施混合式教学模式，能有效提升教学质量。本文以“基础会计”课程为例，探讨如何将线上与线下教学相结合，构建出适应现代教育需求的教学模式。 混合式教学模式结合了传统的面对面教学和数字化学习，旨在提高学生的学习自主性，强化师生间的互动，同时充分利用移动设备的便利性，使得学习不受时间和地点的限制。在这种模式下，教师可以预先录制教学视频，发布在线课程资料，学生可以在课前预习，课堂上则可以更多地进行讨论、实践操作和案例分析，从而实现个性化学习和深度学习。 在中职会计专业中，混合式教学模式能够解决传统教学中的一些问题，如教学内容单一、学生参与度低、理论与实践脱节等。通过移动教学平台，教师可以提供丰富多样的学习资源，如会计法规、模拟实训软件、在线练习题库等，使学生能够在实践中巩固理论知识，提高实际操作能力。 具体到“基础会计”课程，教师可以设计线上线下相结合的教学环节。例如，线上部分可以通过移动教学平台进行会计术语解释、基础概念的讲解，以及会计凭证的制作步骤展示；线下则可以组织小组讨论，让学生分析实际案例，解决实际问题，培养他们的批判性思维和团队协作能力。 此外，移动教学平台还提供了即时反馈和评估的功能，教师可以随时查看学生的学习进度，了解他们对知识的掌握程度，及时调整教学策略。同时，学生也能自我评估，通过在线测试和自我反馈来改进学习效果。 基于移动教学平台的中职会计专业混合式教学模式，不仅提升了教学效率，还增强了学生的学习兴趣和自主性，有助于培养符合社会需求的会计专业人才。这种模式的应用需要教师不断探索和创新，以适应教育信息化的发展趋势，同时也需要学校提供相应的技术支持和政策支持，以确保混合式教学的有效实施。

针对光线在大角度偏转时菲涅耳损耗大、光强均匀性差等问题，提出了基于最优双偏转能量映射和贝塞尔曲线多参数优化的双自由曲面透镜设计算法，并利用该算法设计了基于板上芯片型（COB）发光二极管（LED）的双自由曲面透镜，该透镜可应用于可见光通信系统的光学发射端。以大面积发光面的COB LED作为光源，通过控制自由曲面透镜内外两个表面上的入射光线偏转角的比例关系（即偏转系数），可降低菲涅耳损耗。构建了出光角分别为180°和260°的大角度均匀光强分布的双自由曲面透镜，其光强均匀度分别为0.92和0.90，其光能利用率分别为89.4%和85.9%。将单自由曲面透镜和双自由曲面透镜的光学性能作对比，结果表明，单自由曲面透镜可实现出光角范围为120°~180°、光强均匀度超过0.85以及光能利用率超过85%的光分布，双自由曲面透镜在达到同样的光强均匀度和光能利用率时，可实现出光角范围为100°~260°之间的均匀光强分布。因此，利用双自由曲面透镜能够实现更大范围出光角的均匀光强分布，从而满足可见光通信系统的光学发射端的光分布要求。

最小二乘支持向量机（Least Squares Support Vector Machine, LSSVM）是一种在机器学习领域广泛应用的模型，尤其在时间序列预测中表现出色。它通过最小化平方误差来求解支持向量机问题，相比于原始的支持向量机，计算速度更快且更容易处理大规模数据。在本项目中，黏菌算法（Slime Mould Algorithm, SMA）被用来优化LSSVM的参数，以提升预测精度。 黏菌算法是一种受到自然界黏菌觅食行为启发的生物优化算法。黏菌能够通过其分布和信息素浓度的变化寻找食物源，该算法在解决复杂的优化问题时展现出良好的全局寻优能力。在本案例中，SMA被用于调整LSSVM的核参数和正则化参数，以达到最佳预测性能。 评价模型预测效果的指标有： 1. R2（决定系数）：衡量模型拟合度的指标，值越接近1表示模型拟合度越好，越接近0表示模型解释变量的能力越弱。 2. MAE（平均绝对误差）：平均每个样本点的预测误差的绝对值，越小说明模型的预测误差越小。 3. MSE（均方误差）：所有预测误差的平方和的平均值，同样反映模型预测的准确性，与MAE相比，对大误差更敏感。 4. RMSE（均方根误差）：MSE的平方根，也是误差的标准差，常用于度量模型的精度。 5. MAPE（平均绝对百分比误差）：预测值与真实值之差占真实值的比例的平均值，适合处理目标变量具有不同尺度的问题。 项目提供的代码文件包括： - SMA.m：黏菌算法的实现代码，包含算法的核心逻辑。 - main.m：主程序，调用SMA和LSSVM进行训练和预测。 - fitnessfunclssvm.m：适应度函数，评估黏菌算法中的个体（即LSSVM参数组合）的优劣。 - initialization.m：初始化黏菌个体的位置，即随机生成LSSVM的参数。 - data_process.m：数据预处理模块，可能包含数据清洗、归一化等操作。 - 使用说明.png、使用说明.txt：详细介绍了如何运行和使用该项目，包括数据加载、模型训练和预测等步骤。 - windspeed.xls：示例数据集，可能是风速数据，用于演示模型的预测能力。 - LSSVMlabv：LSSVM工具箱，提供了LSSVM模型的实现和相关函数。 通过对这些文件的理解和使用，学习者可以深入理解LSSVM的工作原理，掌握黏菌算法的优化过程，并了解如何利用这些工具进行时间序列预测。同时，该模型的评价指标和代码结构为其他类似预测问题提供了可参考的框架。

### STM32-DAC篇（基于f103） #### 一、基础知识 **1.1 什么是DAC？** DAC，全称为Digital-to-Analog Converter（数字/模拟转换器），是一种能够将数字信号转换成模拟信号的电子器件。在STM32微控制器中，DAC模块用于将数字信号转换为模拟电压输出，适用于需要模拟输出的应用场景，如控制模拟设备或信号处理。 **1.2 DAC的特性参数** - **分辨率**：指的是DAC能够分辨的最小电压变化量，通常以二进制位数表示，例如8位、12位等。 - **建立时间**：表示将一个数字量转换为稳定模拟信号所需的时间。 - **精度**：是指DAC输出的实际电压与其理论值之间的差异程度。 - **参考电压**：DAC输出电压是相对于参考电压的一定比例，参考电压的选择直接影响到输出电压的范围。 **1.3 STM32各系列DAC的主要特性** - STM32系列微控制器中，不同的型号拥有不同特性的DAC模块，例如： - F1/F4/F7/H7等系列都内置有DAC模块。 - 某些系列支持双通道DAC输出。 - 不同系列支持不同的分辨率（如8位或12位）。 #### 二、DAC的工作原理 **2.1 DAC框图简介** - 在F1/F4/F7/H7等STM32系列中，DAC框图基本相同，主要包括以下几个部分： - 数据输入寄存器：用于存储待转换的数据。 - 数模转换器：完成数字到模拟信号的转换。 - 输出缓冲：保持输出信号的稳定性。 - 触发源：决定转换何时进行。 **2.2 参考电压/模拟部分电压** - DAC供电电源：VSSA、VDDA（2.4V≤VDDA≤3.6V） - DAC输出电压范围：VREF–≤VOUT≤VREF+（即0V≤VOUT≤3.6V） **2.3 DAC数据格式** - 8位模式：只支持右对齐，使用寄存器`DHR8Rx`或`DHR8RD`。 - 12位模式：支持左对齐和右对齐，使用寄存器`DHR12Rx`、`DHR12RD`或`DHR12Lx`、`DHR12LD`。 **2.4 触发源** - 三种触发转换的方式：自动触发、软件触发、外部事件触发。 - `TENx`位置0：禁止触发。 - `TSELx[2:0]`：选择外部事件触发源。 - `SWTRIGx`位：选择软件触发。 **2.5 DMA请求** - 当`DMAENx`位置1时，会产生DMA请求，使得DHRx的数据转移到DORx。 - 在12位模式下，数据加载到DORx后，模拟输出电压将经过时间`VSETTLING`后可用。 #### 三、DAC输出实验 **3.1 实验简要** - 本节主要介绍如何通过STM32的DAC输出特定的模拟电压。 - 实验中将使用12位右对齐模式，通过DAC1通道1(PA4)输出预设电压。 - 通过ADC1通道1 (PA1)采集输出电压，并显示ADC转换的数字量及换算后的电压值。 **3.2 DAC寄存器介绍** - `TEN1`位置0：关闭通道1触发(即自动)。 - `BOFF1`位置1：关闭输出缓冲。 **3.3 DAC输出实验配置步骤** 1. **初始化DAC**：使用`HAL_DAC_Init()`。 2. **DAC MSP初始化**：使用`HAL_DAC_MspInit()`来配置NVIC、CLOCK、GPIO等。 3. **配置DAC相应通道相关参数**：使用`HAL_DAC_ConfigChannel()`。 4. **启动D/A转换**：使用`HAL_DAC_Start()`。 5. **设置输出数字量**：使用`HAL_DAC_SetValue()`。 6. **读取通道输出数字量**（可选）：使用`HAL_DAC_GetValue()`。 **3.4 编程实战：DAC输出实验** - 实验目标：使用12位右对齐模式通过DAC1通道1(PA4)输出预设电压。 #### 四、DAC输出三角波实验 **4.1 实验简要** - 本实验将通过STM32的DAC输出三角波。 - 使用12位右对齐模式，通过DAC1通道1(PA4)输出三角波。 - 通过DS100示波器查看波形。 **4.2 编程实战：DAC输出三角波实验** - 实验配置步骤与上一节相似，但需要编写特定的程序来生成三角波形。 #### 五、DAC输出正弦波实验 **5.1 实验简要** - 本实验将通过STM32的DAC输出正弦波。 - 使用12位右对齐模式，通过DAC1通道1(PA4)输出正弦波。 - 通过DS100示波器查看波形。 **5.2 DAC输出正弦波实验配置步骤** 1. **初始化DMA**。 2. **将DMA和ADC句柄联系起来**。 3. **初始化DAC**。 4. **DAC MSP初始化**。 5. **配置DAC相应通道相关参数**。 6. **启动DMA传输**。 7. **配置定时器溢出频率并启动**。 8. **配置定时器触发DAC转换**。 9. **停止/启动DAC转换**。 **5.3 产生正弦波序列函数介绍** - 为了生成正弦波形，可以编写一个函数`void dac_sine_wave(uint16_t maxval, uint16_t dt, uint16_t samples, uint16_t n)`，该函数根据给定的最大值、采样间隔、采样点数等参数生成正弦波序列。 #### 六、PWM DAC实验 **6.1 PWM DAC应用背景** - 在某些应用中，当需要多个DAC输出通道而STM32只提供了两个时，可以通过PWM加RC滤波器的方式来低成本地实现更多的DAC输出。 - 这种方法适用于精度要求不高的场合。 **6.2 编程实战：PWM DAC实验** - 通过配置定时器生成PWM信号，再通过RC滤波器平滑PWM信号得到近似的模拟电压输出。 #### 七、课堂总结 - 本文详细介绍了STM32的DAC模块的基本概念、工作原理以及如何通过编程实现不同的DAC输出实验。 - 通过这些实验，读者可以更深入地理解DAC的工作机制，并掌握如何利用STM32的DAC模块实现模拟输出功能。 - 对于希望进一步了解或实践DAC应用的开发者来说，这些内容提供了宝贵的指导。

Vue形式生成器 Vue.js的基于架构的表单生成器组件。 演示版 产品特点 基于模式的React形式 多对象编辑 21种字段类型 内置验证器 核心和完整捆绑包（压缩后分别为41kb和50kb） 自举友好模板 可定制的样式 可以使用自定义字段轻松扩展 ...等等 文献资料 依存关系 vue-form-generator在内部使用和 。 尽管内置字段不需要外部依赖关系，但可选字段可能需要其他库。 这些依赖关系分为两个阵营：jQuery或Vanilla。 您可以在两种风格中找到几乎相同的功能。 最后，您可以选择是否依赖jQuery。 您可以在每个特定组件下的官方找到有关依赖项的详细信息。

【项目资源】： 包含前端、后端、移动开发、操作系统、人工智能、物联网、信息化管理、数据库、硬件开发、大数据、课程资源、音视频、网站开发等各种技术项目的源码。 包括STM32、ESP8266、PHP、QT、Linux、iOS、C++、Java、python、web、C#、EDA、proteus、RTOS等项目的源码。 【项目质量】： 所有源码都经过严格测试，可以直接运行。 功能在确认正常工作后才上传。 【适用人群】： 适用于希望学习不同技术领域的小白或进阶学习者。 可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【附加价值】： 项目具有较高的学习借鉴价值，也可直接拿来修改复刻。 对于有一定基础或热衷于研究的人来说，可以在这些基础代码上进行修改和扩展，实现其他功能。 【沟通交流】： 有任何使用上的问题，欢迎随时与博主沟通，博主会及时解答。 鼓励下载和使用，并欢迎大家互相学习，共同进步。 # 注意 1. 本资源仅用于开源学习和技术交流。不可商用等，一切后果由使用者承担。 2. 部分字体以及插图等来自网络，若是侵权请联系删除。

针对传统的双dq、PI调节器控制策略在不对称跌落下所带来的延时问题,提出了一种基于PR调节器的控制策略:采用功率闭环得到转子侧变换器所需的正序电流给定量,通过抑制电磁转矩二倍频来计算负序电流给定量。Matlab/Simulink仿真结果表明,基于PR调节器的控制策略很好地解决了延时问题,且与双dq、PI调节器控制策略相比,控制性能更优。

【Vue.js全家桶详解】 Vue.js，由尤雨溪开发，是一种轻量级但功能强大的前端JavaScript框架，因其易学易用、性能高效而受到广大开发者喜爱。"Vue.js全家桶"指的是Vue.js生态系统中的核心库及其配套工具，包括Vue核心、Vuex状态管理、Vue Router路由管理和Vue CLI（命令行工具）等。 1. **Vue核心**：Vue的核心库提供了声明式的数据绑定和组件系统，允许开发者构建可复用的UI组件。它通过虚拟DOM技术提高性能，同时提供单文件组件（Single File Component，SFC）模式，将HTML、CSS和JavaScript封装在一起，便于代码组织和维护。 2. **Vuex**：Vuex是Vue的状态管理库，遵循Flux架构模式，用于集中管理应用中的所有组件的状态。它提供了一种集中式的存储方式，使得组件之间的数据传递更为便捷，同时也保证了状态的一致性。 3. **Vue Router**：Vue Router是Vue.js官方的路由管理器，它与Vue.js深度集成，使你可以轻松地在不同视图之间进行导航。Vue Router支持动态路由、命名视图、路由懒加载等功能，帮助构建复杂的应用路由结构。 4. **Vue CLI**：Vue CLI是Vue.js的命令行工具，提供了快速初始化项目、自动化构建和开发环境配置的能力。它可以生成包含预设配置的项目模板，包括热模块替换、代码分割、ESLint静态代码检查等，极大地提高了开发效率。 5. **响应式设计**：响应式设计是现代网页开发的重要部分，确保网站在不同设备和屏幕尺寸上都能提供良好的用户体验。Vue.js的灵活性使其能够很好地配合CSS Flexbox或Grid布局，以及第三方库如Bootstrap Vue来实现响应式布局。 6. **企业官方网站模板**：企业官方网站通常需要展示公司信息、产品服务、案例展示、联系我们等内容。基于Vue.js全家桶的模板能提供丰富的交互体验和定制化的页面结构，同时利用Vue的组件化特性，可以快速开发出功能齐全、易于维护的企业网站。 在实际开发中，还会涉及到一些其他技术，如Webpack作为模块打包工具，Babel将ES6+语法转换为兼容性更强的ES5，以及PostCSS和CSS预处理器（如Sass、Less）来增强CSS功能。这些工具和技术与Vue.js全家桶一起，构成了现代前端开发的强大基础。

推荐系统是互联网技术领域的一个重要分支，它通过对用户历史行为数据的分析，预测用户可能喜欢或需要的物品，从而为用户在海量信息中做出选择提供参考。传统的推荐系统通常基于用户或物品的相似性来进行推荐，尽管这种基于相似性的方法在推荐准确性方面表现不俗，但它们往往忽视了推荐的多样性问题。推荐系统的多样性指的是推荐物品覆盖的范围广度，即推荐的物品应该覆盖用户兴趣的不同方面，而不是仅仅集中在用户已有偏好的相似物品上。在实际应用中，推荐系统面临着这样一个挑战：在提高推荐准确性的同时，如何保证推荐结果的多样性。 基于图的推荐算法是一种解决这一挑战的有效方法。这种算法通常以用户-物品互动数据为基础构建一个图模型，其中节点代表用户或物品，边则代表用户与物品之间的互动关系。通过分析图模型上的热传导或者物质传播过程，图算法能够捕捉到用户间及物品间的复杂关系，从而进行有效的推荐。其中，热传导模型模仿了热量在物理介质中的传播过程，通过图中的边将“热能”从一个节点传递到另一个节点。物质传播模型则类似于流体在多孔介质中的传播，通过对图中节点的染色和扩散过程来完成推荐。这些模型能够兼顾推荐的多样性和准确性，因为它们能够考虑到用户之间复杂的互动关系，并且可以通过调整算法中的参数来平衡推荐结果的多样性和准确性。 在解决推荐系统中的多样性与准确性这一看似矛盾的问题时，学者们提出了混合算法的概念。混合算法将基于多样性的推荐算法与以准确性为主的算法结合起来，通过适当调整混合比例，可以在不依赖于任何语义或上下文信息的情况下同时获得推荐的多样性和准确性。 论文中提到的“热传导”和“物质传播”是两种典型的基于图的推荐算法模型。热传导模型以物理中的热传导理论为基础，通过图中节点间传递的“热能”来模拟信息的传播，从而根据用户和物品之间的互动程度来分配推荐权重。物质传播模型则可以理解为在图中模拟物质的流动和扩散，它基于图的拓扑结构，假设用户和物品之间的连接关系可以作为物质传播的“通道”，而推荐结果就对应于图中物质分布的均衡状态。 上述两种模型都能够提供有效的方式来解决多样性与准确性的两难问题。热传导模型强调的是从“热源”（即用户当前的兴趣点）向周围节点的热量扩散，这个过程中既考虑了用户的兴趣点，也考虑了与兴趣点相关联的其他节点。而物质传播模型则着重于模拟一个全局的平衡状态，在这个状态下，系统达到一个推荐的分布，既反映了用户的偏好，也扩大了推荐的范围，避免了过度集中于已知偏好的物品。 这篇论文的研究对于推荐系统工程实践具有重要的借鉴和参考价值。它不仅提供了一种新的视角来分析推荐系统的内部机制，而且还提供了一种可行的算法框架来解决传统推荐系统中经常遇到的多样性与准确性之间的冲突问题。随着大数据技术的不断发展，基于图的推荐算法的精确性和效率都有望得到进一步的提升，其在未来信息过滤和个性化服务领域具有广泛的应用前景。

Go-boltBrowser是一款专为管理BoltDB数据库而设计的Web界面工具，它提供了一个直观且用户友好的方式来查看、操作和管理BoltDB的数据。BoltDB是由GitHub上的go-bolt项目维护的一个轻量级、文件级别的键值存储系统，主要由Go语言编写，适合用于需要快速、可靠且低资源消耗的场景。 BoltDB的设计理念是简单易用，同时保持高效性能。它使用B+树的数据结构，这使得数据读写速度快，磁盘空间利用率高。BoltDB支持事务处理，确保数据的一致性和完整性。Go-boltBrowser则是这个数据库系统的可视化前端，让开发者和运维人员无需通过命令行或编写代码就能进行数据操作。 Go-boltBrowser的核心特性包括： 1. **数据浏览**：用户可以通过Web界面浏览BoltDB中的所有桶（buckets）和键值对。它可以清晰地展示数据结构，帮助理解数据组织方式。 2. **搜索功能**：内置搜索功能允许用户根据键或值快速查找特定数据，方便数据定位和分析。 3. **数据编辑**：用户可以直接在浏览器中编辑键值对的内容，支持创建、修改和删除操作，便于数据调试和管理。 4. **事务处理**：虽然BoltDB本身支持事务，但Go-boltBrowser可能提供了图形化的事务管理，让用户可以安全地进行多步操作，确保数据一致性。 5. **版本控制**：Go-boltBrowser可能具备版本控制功能，允许用户查看历史版本，便于回滚到特定状态，这对于数据恢复和问题排查非常有用。 6. **导出导入**：数据的导出和导入功能使得用户可以轻松备份数据库或在不同环境间迁移数据。 7. **安全性**：由于是Web应用，安全性是必不可少的。Go-boltBrowser可能有基本的身份验证和授权机制，以保护数据库免受未经授权的访问。 8. **轻量级**：Go-boltBrowser作为一款基于Go的工具，保持了Go语言的轻量化特点，部署简单，对系统资源需求较低。 9. **跨平台**：由于Go的跨平台特性，Go-boltBrowser可以在多种操作系统上运行，包括Windows、Linux和macOS等。 10. **开源社区支持**：作为开源项目，Go-boltBrowser持续接受社区的贡献和改进，这意味着其功能会不断更新和完善，以满足用户的需求。 Go-boltBrowser是Go开发者和BoltDB用户的一款强大工具，它简化了BoltDB的管理和操作，提高了开发效率，并且通过Web界面提供了良好的用户体验。对于那些需要直接查看和操作数据库的场景，Go-boltBrowser无疑是一个值得尝试的解决方案。