分享者：秋子，原文地址
一：用户拒绝授权使用 wx.openSetting({}) 重新调起授权用户信息
场景模拟：
用户进入微信小程序-程序调出授权
(此图片来源于网络，如有侵权，请联系删除! )
选择拒绝之后，需要用到用户授权才能正常使用的页面，就无法正常使用了。
解决方法：
在用户选择拒绝之后，弹窗提示用户 拒绝授权之后无法使用，让用户重新授权（微信小程序在第一次调起授权之后 ，要重新再调起，需要自己手动删除程序 或者是退出小程序 等待一段时间再进去才能调起授权，这种情况用户体验比较差）针对用户拒绝授权这种情况 监听 wx.getUserInfo -fail的回调使用 wx.s
2022-08-09 15:57:37
206KB
1
matlab代码粒子群算法自适应CLPSO
Matlab代码用于宏观自适应综合学习粒子群优化器（MaPSO）和微观自适应综合学习粒子群优化器（MiPSO）算法。
抽象的
优化启发式算法（如粒子群优化器（PSO））的广泛使用对参数自适应提出了巨大挑战。
PSO的一种变体是综合学习粒子群优化器（CLPSO），它使用所有个人的最佳信息来更新其速度。
CLPSO的新颖策略使种群能够从特定世代的样本中进行读取，这称为刷新间隙m。
在本文中，我们开发了两类学习自动机（LA），以研究自动机对CLPSO刷新间隙调整的学习能力。
在第一类中，将学习自动机分配给总体，在第二类中，每个粒子都有自己的个人自动机。
我们还将所提出的算法与CLPSO和CPSO-H算法进行了比较。
仿真结果表明，我们的算法在性能，鲁棒性和收敛速度方面均优于同类算法。
参考
[1]
Mohammad
Hasanzadeh，Mohammad
Reza
Meybodi和Mohammad
Mehdi
Ebadzadeh，“，”在人工智能和信号处理中，Springer国际出版，2014年，第267-276页。
2022-08-08 17:13:40
9KB
1
深度神经网络（DNN）在各种任务中取得了前所未有的成功，但是，这些模型性能直接取决于它们的超参数的设置。在实践中，优化超参数仍是设计深度神经网络的一大障碍。在这项工作中，我们建议使用粒子群优化算法（PSO）来选择和优化模型参数。在MNIST数据集上的实验结果显示：通过PSO优化的CNN模型可以得到不错的分类精度，此外，PSO 还可以提高现有模型结构的性能，PSO是自动化超参数选择和有效利用计算资源的有效技术。
针 对CＮＮ 算法的收敛速度较慢、过 拟合 等问题, 文章提出一种基于PSO和 CNN 模型的图像分类方法，在分析完CNN各超参数对其性能的影响后，引入 PSO 算法进行寻优以增强CNN网络模型的特征提取能力,模型将CNN算法中需要训练的参数作为粒子进行优化，将 更 新 的 参 数 用 于ＣＮＮ 算 法 的 前 向 传播，调整网络连接权矩阵迭代，直到误差收敛，停止算法，以达到最终的模型优化。
2022-08-08 11:05:49
12KB
1
反激式开关电源变压器的参数计算与正激式开关电源变压器的参数计算相比，除了变压器初级线圈的匝数和伏秒容量，变压器初、次级线圈的匝数比，以及变压器各个绕组的额定输入或输出电流或功率以外，还需要特别注意考虑变压器初级线圈的电感量。
2022-08-04 18:10:48
51KB
1
三菱伺服软件MR(MR Configurator2)让用户可以进行MR-J3，J4，JE系列伺服的调试，中文版的软件界面，在MR Configurator2 中，可以简单的进行监视显示、伺服放大器的调整、参数的写入或读取等。使用起来相对简单方便
设置参数设置显示和编辑伺服放大器的参数。
设置参数块。故障处理报警显示发生报警或警告时，显示详细内容。
不旋转的原因显示显示伺服电机不旋转的原因。
诊断系统配置显示
确认轴的系统配置。
监视
批量显示
监视监视数据。
输入输出监视显示
实时显示伺服放大器软元件的ON/OFF。
图表
测试运行
JOG运行
将电机以用户指定的电机转速、加减速时间常数进行旋转。
定位运行
将电机以用户指定的电机转速、加减速时间常数、移动量进行旋转。
DO强制输出
与外部输入无关，开启/关闭输出信号。
程序运行
按照用户设置的程序进行定位运行。
无电机运行
测量伺服放大器的监视数据，并显示图表。
2022-08-04 18:08:31
516.63MB
1