掘金量化第7页

CST微波工作室学习笔记2 主要特点

WindowsNT4、Windows2000和WindowsXP的图形用户界面快速并能有效使用内存的有限积分（FI）算法由于理想边界拟合技术和薄片技术的采用，性能更加卓越结构建模基于先进ACIS内核的参量化实体建模前端

raininforest·2025-07-02 19:29

【技术科普】LoRaWAN 网络怎么搭？推荐试试 ThinkLink 免费版服务器

本文将从LoRaWAN网络结构出发，科普网络服务器的核心职责，并介绍一款适合开发者、技术团队免费试用的轻量化网络服务器——ThinkLink免费版，助力快速构建自己的LoRaWAN网络。

门思科技·2025-07-02 16:02

微信小程序｜流浪动物救助小程序的设计与实现

作者主页：编程指南针作者简介：Java领域优质创作者、CSDN博客专家、CSDN内容合伙人、掘金特邀作者、阿里云博客专家、51CTO特邀作者、多年架构师设计经验、腾讯课堂常驻讲师主要内容：Java项目、

qq_469603589·2025-07-02 13:15

基于uniapp微信小程+SpringBoot+Vue的流浪动物救助领养系统设计和实现(源码+论文+部署讲解等)

博主介绍：✌全网粉丝50W+,csdn特邀作者、博客专家、CSDN新星计划导师、Java领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域和学生毕业项目实战

·2025-07-02 13:15

[2025CVPR]DE-GANs:一种高效的生成对抗网络

目录引言：数据高效GAN的困境核心原理：动态质量筛选机制1.判别器拒绝采样（DRS）的再思考2.质量感知动态拒绝公式（1）质量感知阶段（2）动态拒绝阶段模型架构：轻量化设计技术突破：三大创新点1.首创训练阶段

清风AI·2025-07-02 12:36

贝叶斯回归：从概率视角量化预测的不确定性

本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！贝叶斯方法在回归问题中的应用被称为贝叶斯回归（BayesianRegression）。与传统频率派的线性回归（如最小二乘法）不同，贝叶斯回归的核心思想是：将回归参数（如权重系数）视为随机变量，通过贝叶斯定理结合先验分布和观测数据，推导出参数的后验分布，

大千AI助手·2025-07-02 12:05

如何使用 PHP 接入港股实时行情接口（WebSocket 实时K线+盘口）

在构建金融类网站或量化交易系统时，实时行情数据是不可或缺的核心组件之一。尤其是对港股市场感兴趣的开发者，更需要一个可靠且实时的行情源。

quant_1986·2025-07-02 11:27

【数据分析】Python+Tushare实现均线金叉死叉交易策略回测

数据分析】Python+Tushare实现均线金叉死叉交易策略回测简介在本文中，我们将利用Python和Tushare数据接口，对贵州茅台（600519.SH）进行数据分析，并实现基于“双均线”策略的量化回测

虚拟现实旅人·2025-07-02 05:16

DeepSeek 桌面端快捷键唤起小窗口极致轻量化

DeepSeek桌面端（DeepSeekDesktop)DeepSeek没有官方桌面端。桌面端的好处是可以随时用快捷键唤起，在跨应用时很有用。目前Github上开源的DeepSeek桌面端是Electron做的，一个安装包要80多MB，太臃肿。本项目用Tauri（Rust+vite），不内置浏览器，而是调用系统原生浏览器内核（如webview2），非常轻量，而且支持快捷键唤起小窗口、开机启动。项目

小纛·2025-07-01 23:34

量化AI价值的30个关键指标

摘要：量化AI的战略价值人工智能（AI）成功集成到业务运营中超越了单纯的技术部署;它需要一种严格、可量化的方法来展示其价值。

mao_feng·2025-07-01 22:24

Mac mini 跑 DeepSeek R1 及 QwQ-32B模型实测报告

测试对象：2025款Macmini（M4/M4Pro芯片）测试模型：DeepSeek-R1（14B/32B）、QwQ-32B（原版/量化版）测试目标：硬件性能适配性、推理速度、内存占用及优化方案一、Macmini

强哥之神·2025-07-01 21:16

（Note）音频向量化表示

音频向量化表示经典语音特征（MFCC等）语音信号的传统特征提取方法包括MFCC（梅尔倒谱系数）、PLP等，用于描述语音的频谱包络信息。这些特征设计依据生理听觉模型，在ASR、情感识别等任务中长期有效。

·2025-07-01 20:10

YOLOv10 全面升级解析：关键改进点一文掌握

它的核心改进包括：改进方向内容✅非解耦头轻量化设计消除非必要分支，减少冗余计算✅Anchor-Free模式默认启用，无需手动设置anchor✅TAL+DFLLoss提升边界框回归质量✅多任务统一接口detect

要努力啊啊啊·2025-07-01 20:10

《量化开发》系列第 1 篇：金融知识基础入门指南（附 GitHub 学习项目）

本文为《量化开发学习路线与知识点》专栏的第一篇参考项目：Awesome-QuantDev-Learn量化金融是金融经济学与计算机科学交叉融合形成的新兴行业，越来越多的技术人才正积极投身其中。

Natsume1710·2025-07-01 18:56

跨届资源汇聚地：校友平台开启终身学习与职业互助新模式

一、资源整合：构建校友生态系统的数字基石校友平台的底层逻辑在于系统性整合碎片化资源，为跨届协作奠定量化基础：动态校友数据库平

IDZSY0430·2025-07-01 14:00

【GitHub开源项目实战】高频交易系统实战解析：基于 Nautilus Trader 的策略回测与事件驱动架构优化

高频交易系统实战解析：基于NautilusTrader的策略回测与事件驱动架构优化关键词：高频交易、事件驱动架构、NautilusTrader、量化回测、算法交易、PythonCython、交易引擎、回测系统

观熵·2025-07-01 13:52

YOLOv11性能评估全解析：从理论到实战的指标指南

当我们训练或使用YOLOv11模型时，一个核心问题始终存在：如何量化模型的性能？性能评估指标正是回答这个问题的关键工具，它们不仅衡量模型效果，更是模型优化迭代的导航灯。

芯作者·2025-07-01 12:17

RAG系列：提升RAG检索力：三大Query变形术，助你玩转AI知识检索！

之前的帖子大多在优化向量化的过程，让文本内容分块更合理和更精准，本篇重点介绍使用RAG时如何优化提示词，以提高查询结果的精准度！一、RAG的“灵魂拷问”：你真的会提问吗？

数智前沿·2025-07-01 08:22

创客匠人解析：身心灵赛道创始人 IP 打造核心策略

一、IP形象的「能量化」构建：从外在到内在的信任锚点身心灵赛道的IP形象绝非单纯的视觉包装，而是「平和感」与「专业度」的融合体。创客匠人在服

创小匠·2025-07-01 07:46

当前最好的0样本文本转语音是哪个模型？

综合排名前三模型‌MegaTTS3（字节跳动&浙江大学）‌‌核心优势‌：仅需‌3-10秒‌参考音频即可精准克隆音色，支持中英混合语音自然切换1112轻量化设计（0.45B参数），实时生成延迟低于400ms11

skywalk8163·2025-07-01 05:00

利用ShadowRoot 实现样式隔离

这定义了shadowroot的内部实现是否可被JavaScript访问及修改—也就是说ShadowRoot的特性图片来源：掘金（https://juejin.cn/post/6979489951108825095

Helson@lin·2025-07-01 01:40

如何利用股票API获取实时行情数据？有哪些好用的股票API推荐？

炒股自动化：申请官方API接口，散户也可以python炒股自动化（0），申请券商API接口python炒股自动化（1），量化交易接口区别Python炒股自动化（2）：获取股票实时数据和历史数据Python

财云量化·2025-07-01 00:05

线性代数-第9篇：二次型与正定矩阵：优化问题的数学基础

线性代数-第9篇：二次型与正定矩阵：优化问题的数学基础在人工智能、量化投资和大数据分析中，优化问题无处不在，比如机器学习的损失函数最小化、量化投资组合的风险最小化等。

程序员勇哥·2025-06-30 20:28

equine在神经网络中建立量化不确定性

一、软件介绍文末提供程序和源码下载众所周知，用于监督标记问题的深度神经网络（DNN）可以在各种学习任务中产生准确的结果。但是，当准确性是唯一目标时，DNN经常会做出过于自信的预测，并且无论测试数据是否属于任何已知标签，它们也总是进行标签预测。EQUINEwascreatedtosimplifytwokindsofuncertaintyquantificationforsupervisedlabel

struggle2025·2025-06-30 16:36

基于django+Spark+大数据+爬虫技术的国漫推荐与可视化平台设计和实现(源码+论文+部署讲解等)

博主介绍：✌全网粉丝50W+,csdn特邀作者、博客专家、CSDN新星计划导师、Java领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域和学生毕业项目实战

阿勇学长·2025-06-30 14:22

3 大语言模型预训练数据-3.2 数据处理-3.2.2 冗余去除——2.SimHash算法文本去重实战案例：新闻文章去重场景

**步骤2：特征向量化与哈希映射**4.**步骤3：特征向量聚合**5.**步骤4：降维生成SimHash值**6.

·2025-06-30 11:30

同花顺python_【本地直连】同花顺 Python量化交易接口上线

来源：雪球App，作者：私募之家THS，（https://xueqiu.com/5808549553/129022113）导读：同花顺智能交易终端MindGo版已上线2年多，凭借着同花顺深厚的技术底蕴，不断地对终端进行优化。至今，已服务近1000位个人客户，超过200家私募机构，市场份额不断扩大。目前终端已实现：支持股票、指数、基金、期货、外汇、黄金T+D等6个品种日/分钟级策略回测投研策略无缝对

weixin_39938724·2025-06-30 09:18

[大A量化专栏] 独家梳理-A股周末消息汇总-20250630

短期ST板块博弈机会政策催化主板ST股涨跌幅放宽至10%，与普通股一致（*ST华光、ST新研弹性大）。风险提示需严格筛选“摘帽预期强+业绩改善”标的，避免退市风险。稳定币/数字人民币香港政策落地8月1日《稳定币条例》生效，关注HB股份（硬件钱包）、JBF（银行IT改造）。上海地铁试点数字人民币“碰一碰”全线网覆盖，CTL（交通支付场景）受益明确。充电宝新规3C认证强制化维K技术（半固态电芯）、安K

心心喵·2025-06-30 09:16

ss928v100模型的导出、量化和转换

1、yolov8导出为onnxfromultralyticsimportYOLOmodel=YOLO("./best.pt")model.export(format="onnx",imgsz=640,dynamic=False,simplify=True,opset=11,batch=1,half=False)以下是model.export()方法各参数的详细解释：‌format="onnx"‌指

yunken28·2025-06-30 01:00

AI摄像头动捕：精准量化八段锦动作质量，赋能传统功法习练

在追求动作标准度的竞技体育、舞蹈教学或运动康复领域，如何科学、客观、高效地评估动作质量一直是核心挑战。如今，AI摄像头动捕技术的成熟，正为这些领域带来突破性的解决方案，尤其在需要高度专注与准确性的八段锦、太极拳等传统健身功法领域中展现出巨大潜力。AI摄像头动捕系统，通过部署多组高帧率RGB摄像头，在空间中构建一个精密的三维捕捉场域。这种无穿戴动捕（或称无标记点动捕）的方式，让用户无需任何设备束缚人

·2025-06-30 00:26

AI优化算法实战：使用粒子群优化求解复杂工程问题

PSO）、全局优化、工程问题、智能算法、参数调优摘要：本文以“鸟群觅食”为灵感来源，深入浅出地讲解粒子群优化（ParticleSwarmOptimization,PSO）算法的核心原理，并通过机械结构轻量化设计的实战案例

AI学长带你学AI·2025-06-29 21:35

量化价值投资入门：Fama-French三因子模型详解与实战应用

量化价值投资入门：Fama-French三因子模型详解与实战应用关键词：量化投资、Fama-French三因子模型、价值投资、因子投资、资产定价、Python实现、投资组合管理摘要：本文深入解析Fama-French

量化价值投资入门到精通·2025-06-29 21:58

SBC编解码器库：蓝牙音频传输的核心

SBC编解码工作原理基于子带编码理论，通过量化和编码音频信号的各个子带，实现高效的数据传输。SBC支持多种比特率、采样率和声道配置，并包含错误检测与恢复机制，控制接

草莓味儿柠檬·2025-06-29 18:45

OpenCV图像噪点消除五大滤波方法

一、图像噪点与滤波基础1.1常见图像噪声类型高斯噪声：符合正态分布的随机噪声椒盐噪声：随机出现的黑白像素点泊松噪声：光子计数噪声量化噪声：模拟信号数字化过程中产生1.2滤波方法分类滤波类型特点

慕婉0307·2025-06-29 18:41

【目标检测】YOLOv13：超图增强的实时目标检测新标杆，值得收藏。

Carl_奕然·2025-06-29 15:20

重复原则与样本量估计：临床试验的统计引擎

一、重复原则的科学内涵1.1核心目的1.1.1量化随机误差通过足够样本量估计效应值的波动范围，确保结果可重现。1.1.2避免偶然性结论避免因小样本极端结果导致的偶然性结论，确保结论稳健。

qq_34062333·2025-06-29 15:17

基于YOLOv5的监控摄像头遮挡检测系统：从数据集到UI界面的完整实现

本文将带你构建完整的AI遮挡检测系统，核心创新点：双模检测机制：YOLOv5目标检测+背景建模异常分析轻量化部署：模型量化压缩至1.8MB动态学习：运行时自动更新异常样本库二、系统架构设计[视

芯作者·2025-06-29 12:58

多云环境密钥硬核防护：KDPS如何实现千万级密钥生命周期管理？

当GitHub2023年报告显示63%的数据泄露源自测试环境时，某证券公司因测试机密钥硬编码导致量化模型被盗的教训，揭示了多云时代的安全真相：分散的密钥管理=为黑客铺就黄金路。

安当加密·2025-06-29 08:00

储能业 | 低成本部署！DolphinDB 打造抽水蓄能一体化解决方案

导语在电力行业抽水蓄电场景中，电力集团可以基于DolphinDB搭建轻量化实时数仓，有效破解高频数据写入、万亿级数据存储和秒级实时计算等核心难题。

DolphinDB智臾科技·2025-06-29 03:55

AI+实时计算如何赋能金融系统？DolphinDB 在国泰君安期货年度中期策略会的演讲

实时计算如何赋能量化投研交易下午13:30分，AI投资主题分论坛正式启幕，DolphinDB创始人周小华博士在随后登台发言，带来了题为《AI+实时计算赋能量化金融》的精彩发言。演讲中，周小华博士首

·2025-06-29 03:52

【DeepSeek实战】3、Ollama实战指南：LobeChat+多网关架构打造高可用大模型集群

还通过量化技术将硬件成本降低60%以上，为中小企业提供了与商业云服务相当的性能体验。

无心水·2025-06-28 19:18

Python爬虫实战：用Tushare和Baostock爬取股票历史数据及K线图与技术指标计算

在金融数据分析和量化交易中，股票历史数据的获取是进行技术分析、回测和策略研究的第一步。

·2025-06-28 18:44

程序化交易系统中如何精准获取MACD、KDJ、BOLL等基础指标的值？

Python股票接口实现查询账户，提交订单，自动交易（1）Python股票程序交易接口查账，提交订单，自动交易（2）股票量化，Python炒股，CSDN交流社区>>>基础指标在程序化交易系统中的重要性基础指标对交易决策的指导意义

股票程序化交易接口·2025-06-28 15:49

股票程序化交易软件如何选择？这些要点你知道吗

Python股票接口实现查询账户，提交订单，自动交易（1）Python股票程序交易接口查账，提交订单，自动交易（2）股票量化，Python炒股，CSDN交流社区>>>了解软件功能特性基础交易功能基础交易功能是股票程序化交易软件的核心

股票程序化交易接口·2025-06-28 15:49

量化交易编程-持仓天数,SQL学习-ACCESS子查询的技巧

在股票投资中，停牌期间通常不算交易日3。同花顺手机APP中的收益分析持仓天数一般是按照交易日来计算的。具体而言，它会从买入股票的日期开始，到卖出股票的日期为止，只统计证券交易所正常开放交易的日子，周末和法定节假日以及股票停牌日都不会计算在内3。例如，若你持有某股票2年，其中停牌2年，实际交易日只有20天，那么同花顺计算的持仓天数就是20天，而不会算出几百个交易日。其实持仓天数关我屁事是吧?我只考虑

专注VB编程开发20年·2025-06-28 07:29

【ASP.NET Core】配置应用程序地址的N多种方法

Python量化交易实战入门级手把手带你打造一个易扩展、更安全、效率更高的量化交易系统下面又到了老周误人子弟的时间，今天要误大伙的话题是：找找有多少种方法可以设置ASP.NETCore应用的地址，即URL

pythonxxoo·2025-06-28 03:37

软件架构评估：关键方法与实战指南

常见方法包括：ATAM（架构权衡分析）：围绕质量属性（性能、安全等）进行场景化评估，适合复杂系统清单检查法：标准化检查表快速评估架构各维度专家评审：多角色头脑风暴发现设计盲点量化评估：通过测试验证性能等可量化指标评估流程通常分为准备

你一身傲骨怎能输·2025-06-28 03:32

小程序推客带货平台：技术实现与生态逻辑解析

区别于传统电商，小程序推客平台通过轻量化载体+社交裂变重构了商品流通路径。

hedian116·2025-06-28 02:30

[特殊字符]推客带货小程序解决方案——0门槛裂变营销，佣金赚不停！

✅社群裂变工具：内置海报生成、分享追踪、数据看板，精准量化推广效果。✅全行业适用：服装、美妆、母婴、本地生活……适配各领域带货场景。目标客户群体带货机构/商家：想低成本搭建自有分销体系的中小企

吞掉星星的鲸鱼·2025-06-28 02:30

End-To-End 之于推荐-kuaishou OneRec 笔记

OnlineA/BTest表现：模型总观看时长平均观看时长OneRec-1B+IPA+1.68%+6.56%一Input处理Userpositiveactionsequence，将短视频的多模态表征，通过量化的

ASKED_2019·2025-06-28 02:29

推荐频道

掘金量化