- 综合排序
- 最热优先
- 最新优先
- 来自专栏腾讯云混沌工程团队
混沌工程稳态假说
1 何为稳态假说？所谓假说，即指按照预先设定，对某种现象进行的解释，即根据已知的事实和原理，提出的推测和说明，而且数据经过详细的分类、归纳与分析，得到一个暂时性但是可以被接受的解释。 而稳态假说，即为根据系统设计细节分析出的系统在面对某种非预期的故障干扰时，系统的业务功能不受影响或者系统做出的一些特定行为。 2 稳态假说集假说可以从过往的系统故障中去收集，也可以从系统设计本身去分析收集，一系列假说就构成了这个系统的稳态假说集。 3 假说验证待办集从稳态假说集中筛选出的有价值，值得进行进行验证的假说集合称为假说验证待办集。里面的假说都可以作为混沌工程实验的目标假说，开展混沌工程实验。 如何从稳态假说集中选出待办集，可以从故障发生概率以及故障对系统的影响两个维度进行分析。
65330编辑于 2023-11-01 - 来自专栏数字芯片
FPGA中的亚稳态
1.2 亚稳态发生场合 只要系统中有异步元件，亚稳态就是无法避免的，亚稳态主要发生在异步信号检测、跨时钟域信号传输以及复位电路等常用设计中。 在信号传输中产生亚稳态就会导致与其相连其他数字部件将其作出不同的判断，有的判断到“1”有的判断到“0”，有的也进入了亚稳态，数字部件就会逻辑混乱。在复位电路中产生亚稳态可能会导致复位失败。 图3.5 同步复位电路时序图 2.3 亚稳态产生概率以及串扰概率 在实际的FPGA电路设计中，常常人们想的是怎么减少亚稳态对系统的影响，很少有人考虑怎么才能减少亚稳态发生几率，以及亚稳态串扰的概率问题 如图3.7所示为一个正常第一级寄存器发生了亚稳态，第二级、第三极寄存器消除亚稳态时序模型。 ? 根据3.3.1小节的亚稳态产生概率，如果在100M时种下那第一级寄存器产生亚稳态的概率约为10%，随着系统采集频率升高，那产生亚稳态的概率也会随之上升。
2.1K11发布于 2020-07-20 - 来自专栏瓜大三哥
如何理解FPGA的亚稳态
? ? ? ? ? ? ? ? ?
74820发布于 2020-08-07 - 来自专栏CreateAMind
AI躯体模型、内稳态控制原理
我们通过将它们与作为控制问题的非稳态调节的重要特性联系起来来综合它们。 然后，我们通过类比骨骼运动控制，勾勒出一种新的形式主义，说明大脑如何对内脏进行变稳态控制，包括关于内感受如何充当变稳态性能反馈的数学观点。最后，我们提出了检验我们假设的含义的方法。 2.5 具身决策包括所有三种形式的不确定性,这三种形式的不确定性都受制于非稳态调节:关于什么是生理有效的不确定性,关于运动结果的不确定性,以及关于外部世界的不确定性。 3. 大脑中的非稳态决策解决了什么问题, 而身体中的稳态反射却无法解决? Allostasis as trajectory-tracking stochastic optimal control 本节将描述我们的非稳态决策模型:非稳态路径积分控制(APIC)模型。
56830编辑于 2023-11-08 - 来自专栏数字IC小站
同步时钟域是否会有亚稳态？
同步时钟域存在亚稳态吗 某网站上有人提问，同步时钟域是否会存在亚稳态的问题？ 答案是肯定的，同步时钟域同样可能存在亚稳态，关于具体原因，我们从本质上进行初步分析。 1.什么是亚稳态？ 2.为什么会出现亚稳态？ 亚稳态的出现归根到底就是因为建立时间和保持时间不满足要求。 建立时间：时钟沿到来之前数据所要保持稳定的时间。 保持时间：时钟沿到来之后数据所要保持稳定的时间。 根据这个原因，我们可知，如果在同步时钟域中存在建立时间或者保持时间不满足的情况，那么就会出现亚稳态问题。 同步时钟域下的亚稳态小栗子2-可变延迟链 电路中存在延迟链，特别是可编程的延迟链时，是很容易发生亚稳态问题的，如下图所示。 这种电路在进行STA分析的时候，一般会采取两种方式。 无论哪种，我们都无法保证遍历到所有情况下，都不会触发hold/setup violation，因此也是存在亚稳态概率的。
1.7K30编辑于 2022-08-26 - 来自专栏联远智维
数值模拟—稳态解存在的证明
纵使从数学上能够证明稳定状态肯定存在，要如何求得这种状态呢，本推文从最简单的例子出发，利用直接迭代的方式，采用数值方法的到最优解。 为完备的度量空间（X,d）的压缩映射，则在X中存在A的唯一的不动点； 附录二：纳什均衡的理解 均衡表明事物处于平衡或稳定状态，在自然界中具有重要的意义，例如：生物系统、化学和物理系统，甚至是社会系统，无不在寻求稳态
72430编辑于 2022-01-20 - 来自专栏自动控制原理
第七讲 系统的稳态误差
系统的稳态性能反映了系统跟踪控制信号的准确度以及抑制扰动信号的能力，这种能力通常用稳态误差来描述。稳态误差又分为给定值稳态误差（由给定输入引起的稳态误差）和扰动值稳态误差（由扰动输入引起的稳态误差）。 在对系统的分析、设计中，稳态误差是一项非常重要的性能指标，它与系统本身的结构、参数以及外作用（激励：给定信号&扰动信号）的形式有关，也与元件的不灵敏、零点漂移、老化及各种传动机械的间隙、摩擦等因素有关。 在这里，我们重点讨论的是由于系统结构、参数及外作用等因素所引起的稳态误差。对于随动系统，给定输入变化，要求系统输出量以一定的精度跟随输入量的变化，因而用给定稳态误差来衡量系统的稳态性能。 对恒值系统，给定输入通常是不变的，需要分析输出量在扰动作用下所受到的影响，因而用扰动稳态误差来衡量系统的稳态性能。
81621编辑于 2024-11-10 - 来自专栏脑机接口
稳态视觉诱发电位SSVEP介绍
VEP）是大脑对于视觉刺激的一种自然响应信号，根据视觉刺激频率的不同，视觉诱发电位可以大致分为三类： 瞬时视觉诱发电位（Transient Visual Evoked Potential，TVEP）、 稳态视觉诱发电位
3.4K30发布于 2020-06-30 - 来自专栏脑机接口
稳态视觉诱发电位 SSVEP 简介
稳态视觉诱发电位(SSVEP) 诱发电位主要有视觉诱发电位、听觉诱发电位以及触觉诱发电位三种。视觉诱发电位由于简单、方便被广泛应用于脑电信号的研究中。 视觉诱发电位可以大致分为三类： 瞬时视觉诱发电位（Transient Visual EvokedPotential， TVEP）; 稳态视觉诱发电位（Steady-State Visual EvokedPotential ] 当人体受到一个固定频率的闪烁或者变换模式的视觉刺激时，大脑皮层的电位活动将被调制，从而产生一个连续的且与刺激频率有关（刺激频率的基频或倍频处）的响应，这个响应具有和视觉刺激类似的周期性节律，即为稳态视觉诱发电位 参考 [1] 基于稳态视觉诱发电位的脑-机接口系统研究 [2] 基于SSVEP信号的在线BCI关键技术研究 以上是学习笔记
1.8K20发布于 2020-06-30 - 来自专栏CreateAMind
生物躯体稳态控制的第一原理
提供在线反馈,而内感受性内部模型为应变稳态内脏运动控制提供子服务 19,25,26,15].许多证据表明了同样的结论:大脑正在预测性地调节身体,这是一个运动控制的问题,而不是感知世界的问题。 2.5 具身决策包括所有三种形式的不确定性,这三种形式的不确定性都受制于非稳态调节:关于什么是生理有效的不确定性,关于运动结果的不确定性,以及关于外部世界的不确定性。 3. 大脑中的非稳态决策解决了什么问题, 而身体中的稳态反射却无法解决? Allostasis as trajectory-tracking stochastic optimal control 本节将描述我们的非稳态决策模型:非稳态路径积分控制(APIC)模型。 大脑提炼和选择来自一个概念的感官预测,这个概念是基于它们与过去和现在的感官证据的吻合度;我们建议,它同样重新定义和选择运动参考配置从行动概念的基础上,他们现在和未来的非稳态值 4.1.
73020编辑于 2022-11-22 - 来自专栏CreateAMind
视觉双稳态感知的神经递质机制
我们的结果提供了复杂的精密天平承保双稳态感知的（主动）计算说明。 关键词：主动推理；双稳态感知；神经调节剂；精确。 Introduction 双稳态感知是通过观察具有两种可能解释的模糊刺激而产生的，例如内克立方体或鲁宾花瓶。 在这里，我们使用特定的精度参数来研究支持双稳态感知的计算机制。我们假设精确控制可以通过多种但不同的方式相互作用，从而产生双稳态感知。 因此，在进一步阐明神经调节和瞳孔扩张之间的联系之前，应谨慎解释其与双稳态知觉的联系。 我们还表明，高政策精度 γ 降低了双稳态感知交替的频率。 最后，我们只关注内克尔立方体来阐明双稳态。然而，其他双稳态图形 - 例如 鲁宾花瓶——表现出与眼球运动的不同联系。
53510编辑于 2024-04-19 - 来自专栏数字芯片
一道简单的笔试题_亚稳态
亚稳态： 亚稳态是由于违背了触发器的建立时间和保持时间而产生的； 同步系统中输入信号总是满足触发器的时序要求，所以不会发生亚稳态； 异步设计中，由于数据和时钟的关系不是固定的，因此会出现违反建立时间和保持时间的现象 ，会出现亚稳态； 亚稳态危害： 触发器的输出会产生毛刺，或者暂时保持在不稳定状态而且需要很长时间才能回到稳定状态； 违背时序要求的可能因素： 输入信号是异步信号 时钟偏移、摆动高于容限值 信号在两个不同频率或者相同频率不同相位或者偏移不同的时钟域下跨时钟域工作 组合延迟使得触发器的数据输入在亚稳态窗口内发生变化； 避免亚稳态措施： 1. 采用响应更快的触发器（缩短亚稳态窗口Tw，与工艺有关，受硬件制约） 4. 使用亚稳态硬化触发器（专为高带宽设计并减少为时钟域输入电路而优化的采样时间） 5. 使用级联触发器 6. 减少采样速率 7. 采用握手进行交互 对解决亚稳态问题有效果的方法是 A 用反应更快速的DFF B 改善时钟质量， 用边沿变化快速的时钟信号 C 降低时钟频率 D 引入同步机制， 如加两级触发器 解析： 根据以上可知，这四个选项都对解决亚稳态问题有效果
1.7K31发布于 2020-07-20 - 来自专栏OpenFPGA
FPGA项目开发之同步信号和亚稳态
FPGA项目开发之同步信号和亚稳态 让我们从触发器开始，所有触发器都有一个围绕活动时钟沿的建立（setup time）和保持窗口（hold time），在此期间数据不得更改。 然而，当我们有异步信号进入到 FPGA 或多个彼此异步的时钟域时，我们就需要仔细考虑设计，以确保我们不会违反建立和保持时间并导致亚稳态。 当然，无论哪种情况，我们都无法阻止亚稳态事件的发生，但我们可以确保我们的设计不会因为亚稳态事件的发生而出现不正确的数据。 由于亚稳态恢复，同步器中的延迟会导致下游逻辑受到影响。 尽管我们在设计中尽最大努力减轻 CDC，但我们是人类，我们也会犯错，因此我们可以使用内置的 Vivado 选项来报告设计中出现的 CDC。
86830编辑于 2023-11-01 高效处理非稳态在线学习的新方法
高效处理非稳态在线学习的新方法彭昭， 谢燕峰， 张立军， 周志华； 26(208):1−66, 2025.摘要近年来，非稳态在线学习备受关注。 具体而言，动态遗憾和自适应遗憾被提出作为非稳态环境下在线凸优化的两个原则性性能度量。 为优化这两个指标，由于非稳态性固有的不确定性，通常采用双层在线集成方法，即维护多个基础学习器，并采用元算法动态追踪其中最佳者。 我们的技术关键在于利用参数无关在线学习中开发的缩减机制，并针对非稳态在线方法进行了非平凡修改。
15000编辑于 2026-01-05- 来自专栏TechBlog
电路分析之正弦稳态电路的仿真与研究
研究正弦稳态电路中电压与电流之间的相量关系。 3. 学习使用双踪示波器测量同频信号相位差的方法。 6.2 原理 image.png image.png 4. 山东大学电路分析实验6工程文件正弦稳态电路的研究-其它文档类资源-CSDN下载山东大学电路分析实验6工程文件正弦稳态电路的研究详解博客地址：https://blog.csd更多下载资源、学习资料请访问CSDN
2.2K31编辑于 2022-08-03 - 来自专栏TestOps云层
如何帮助测试团队从稳态切换到敏态
并不是说一定要从稳态到敏态来切换，也不存在所谓的最佳实践照着做就敏态了，但是面对当下的交付变化，如果还想找到自己的位置，那么适应前后的变化是必须的，甭管对不对，至少能够跟上。
50710编辑于 2022-04-07 - 来自专栏javascript趣味编程
5.1.2 一维非稳态无内热源导热程序
一维非稳态无内热源导热程序理论部分前文已述，对应教学视频已述。1D显式内部节点迭代格式如下： ? 常物性无内热源一维非稳态温度场，其中计算域两端温度分别为1℃和0℃。 doctype html> <html lang="en"> <head> <meta charset="UTF-8"> <title>有限差分法计算一维常物性无内热源非稳态温度场<
1.4K40发布于 2019-08-19 - 来自专栏百科知识
什么是 Hermes Agent？Hermes Agent 详细介绍：2026 年最值得关注的开源自进化 AI 智能体
——一个会随着使用不断成长的Agent。核心定位：三个关键词1.自托管（Self-hosted）所有数据（记忆、技能、对话历史）存储在你自己服务器上的本地SQLite数据库中，不经过任何第三方云服务。 六大核心功能功能一：闭环学习系统（LearningLoop）这是HermesAgent区别于所有其他AIAgent的最核心特性。 、Signal国内办公飞书、企业微信、钉钉其他Matrix、Mattermost、QQBot、iMessage、HomeAssistant、Email、SMSWeb端内置WebUI、OpenWebUI最关键的是 hermesconfigsetmodel.providerollamahermesconfigsetmodel.modelqwen2.5:7bIM平台接入通过消息网关一次配置，多平台同时在线：展开代码语言：BashAI代码解释hermesgatewaysetup平台接入难度配置时间Telegram⭐最简单 ：https://github.com/nousresearch-hermes-agent/hermes-agent中文社区：https://hermesagent.org.cn中文文档：https:/
8.8K21编辑于 2026-04-15 EEG和MEG稳态和动态静息态网络比较
图2 EEG和MEG稳态静息态网络对比 为了确定从 M/EEG 得出的静态 RSNs 及其整体可比性是否可重复，我们从分成两半的 EEG 和 MEG 数据集中提取了相同的静态 PSDs、功率图和 FC 图3 模态内和模态间稳态网络特征可复制性 3.1.2 MEG 和 EEG 在静态网络特征中显示出可比的年龄效应 为了研究 MEG 和 EEG 是否提供同样有意义的静态网络描述，我们检验了它们的静态 RSN 图4 EEG和MEG揭示了可比较的稳态网络年龄相关效应 3.2 动态分析 3.2.1 MEG 和 EEG 之间动态 RSN 特征在定性上相似 在静态分析之后，我们检验了两种模态之间动态 RSN 特征的比较情况
91310编辑于 2025-01-10磁控“活”灯笼：可编程的多稳态结构
“这个基础形状本身是双稳态的，”论文通讯作者、某大学机械与 aerospace 工程系教授 Jie Yin 说道。“换句话说，它有两种稳定的形态。当然，它在灯笼形态下是稳定的。 “这些变体中的每一个也都是多稳态的。有些可以在两个稳定状态之间来回快速切换。其中一个具有四个稳定状态，具体取决于你是压缩结构、扭转结构，还是同时压缩和扭转结构。”
14510编辑于 2026-03-12
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号