一對多 配置的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

DAX權威指南：運用Power BI、SQL Server Analysis Services和Excel實現商業智慧分析（第2版）

為了解決一對多 配置的問題，作者（意）瑪律•科盧梭 這樣論述：

《DAX權威指南》是微軟DAX語言在商業智慧分析、資料建模和資料分析方面的指南。   通過對《DAX權威指南》的學習，你將瞭解如何使用DAX語言進行商業智慧分析、資料建模和資料分析；你將掌握從基礎資料表函數到高級代碼，以及模型優化的所有內容；你將確切瞭解在運行DAX運算式時，引擎內部所執行的操作，並利用這些知識編寫可以高速運行且健壯的代碼。   《DAX權威指南》第2版的重點內容包括基於免費的Power BI Desktop來構建和運行示例，幫助你在Power Bl、SQL Server Analysis Services或Excel中充分利用強大的變數（VAR）語法。你想要使用DAX所有的強

大功能嗎？那麼這本未進行任何刪減、深入淺出的著作正是你所需要的。   《DAX權威指南》適合Excel高級使用者、商業智慧分析人員、使用DAX和微軟分析工具的專業人士。 Marco Russo和Alberto Ferrari SQLBI.COM的創始人。他們定期發佈關於微軟Power BI、Power Pivot、DAX和SQL Server的文章。自2009年測試版的Power Pivot發佈以來，SQLBI.COM成了DAX相關文章和教程的主要來源之一。他們都為商業智慧（Business Intelligence，BI）解決方案提供諮詢和指導，並精通與BI相關的微軟技術。

他們編寫了很多關於Power Pivot、DAX和Analysis Services的文章、圖書。   高飛   資料分析師，BI總監 2015年接觸Power Pivot，被DAX語言的強大和靈活所吸引。 2016年3月創建了面向Power BI用戶的微信公眾號“Power BI極客”，並更新至今。 2019年上線同名網站PowerBIGeek.com，致力於打造一個綜合性的Power BI中文學習網站。   現從事技術分享，企業BI專案實施和培訓工作。 微軟Power BI最有價值專家（MVP），Power BI視覺化大賽評委，Excel Home論壇版主。 第1章 D

AX是什麼 1 理解資料模型 1 理解關係的方向 3 給Excel用戶的DAX學習建議 5 儲存格和智慧表格 5 Excel函數和DAX：兩種函數式語言 7 使用反覆運算器 7 DAX相關理論 8 給SQL開發人員的DAX學習建議 8 處理關係 9 DAX是函數式語言 9 DAX是一種程式設計語言和查詢語言 10 DAX和SQL中的子查詢與條件陳述式 10 給MDX開發者的DAX學習建議 11 多維模型和表格模型 12 DAX是一種程式設計語言和查詢語言 12 層級結構 12 葉級計算 14 給Power BI用戶的DAX學習建議 14 第2章 DAX介紹 15 理解DAX計算 15 DAX

的資料類型 17 DAX運算子 20 表構造器 22 條件陳述式 22 理解計算列和度量值 23 計算列 23 度量值 24 正確選擇計算列和度量值 27 變數 28 處理DAX運算式中的錯誤 29 轉換錯誤 29 算數運算錯誤 30 空值或缺失值 30 截獲錯誤 32 生成錯誤 35 規範化DAX代碼 36 彙總函式和反覆運算函數介紹 39 認識常用的DAX函數 42 彙總函式 42 邏輯函數 43 資訊函數 45 數學函數 45 三角函數 46 文本函數 46 轉換函數 48 日期和時間函數 48 關係函數 49 結論 51 第3章 使用基礎資料表函數 52 表函數介紹 52 EVALU

ATE函數語法介紹 54 理解FILTER函數 56 ALL和ALLEXCEPT函數介紹 58 理解VALUES、DISTINCT函數和空行 63 將表用作作為標量值 68 ALLSELECTED函數介紹 70 結論 72 第4章 理解計值上下文 73 計值上下文介紹 74 理解篩選上下文 74 理解行上下文 79 測試你對計值上下文的理解 81 在計算列中使用SUM函數 81 在度量值中使用列 83 使用反覆運算函數創建行上下文 83 嵌套多個表的行上下文 84 同一個表上的多層嵌套行上下文 85 使用EARLIER函數 90 理解FILTER、ALL函數和上下文交互 91 使用多個表 9

4 行上下文和關係 95 篩選上下文和關係 98 在篩選上下文中使用DISTINCT和SUMMARIZE函數 102 結論 105 第5章 理解CALCULATE和CALCULATETABLE函數 107 CALCULATE和CALCULATETABLE函數介紹 107 創建篩選上下文 108 CALCULATE函數介紹 111 使用CALCULATE函數計算百分比 116 KEEPFILTERS函數介紹 126 篩選單列 130 篩選複雜條件 131 CALCULATE計值順序 135 理解上下文轉換 139 行上下文和篩選上下文回顧 139 上下文轉換介紹 142 計算列中的上下文轉換

145 度量值中的上下文轉換 148 理解迴圈依賴 151 CALCULATE函數調節器 155 理解USERELATIONSHIP函數 155 理解CROSSFILTER函數 158 理解KEEPFILTERS函數 159 理解CALCULATE函數中的ALL函數 160 無參數的ALL和ALLSELECTED函數介紹 162 CALCULATE規則總結 163 第6章 變數 165 VAR語法介紹 165 變數是常數 167 理解變數的範圍 168 使用表作為變數 171 理解惰性計算 173 使用變數的常見模式 174 結論 176 第7章 反覆運算函數和CALCULATE函數的使用

177 反覆運算函數的使用 177 理解反覆運算的基數 178 在反覆運算函數中使用上下文轉換 180 CONCATENATEX函數的使用 184 返回表的反覆運算函數 186 使用反覆運算函數解決常見問題 189 計算平均和移動平均 189 RANKX函數的使用 192 改變計算的顆粒度 200 結論 204 第8章 時間智慧計算 205 時間智慧介紹 205 Power BI中的“自動日期/時間” 206 Excel Power Pivot中的自動日期列 207 Excel Power Pivot中的日期表範本 208 創建日期表 208 CALENDAR和CALENDARAUTO函數

的使用 209 多個日期表的使用 212 處理連接到與日期表的多個關係 212 處理多個日期表 214 理解基礎時間智慧計算 215 標記為日期表 219 基礎時間智慧函數介紹 221 計算年初至今、季度初至今和月初至今 222 計算平移後的週期平移 224 嵌套混合使用時間智慧函數 227 計算週期之間的差異 229 計算移動年度總計 231 為嵌套的時間智慧函數選擇正確的調用順序 232 理解半累加計算 234 使用LASTDATE和LASTNONBLANK函數 236 使用期初和期末餘額 241 理解高級時間智慧計算 245 理解累計至今區間 246 理解DATEADD函數 249 理解

FIRSTDATE、LASTDATE、FIRSTNONBLANK和 LASTNONBLANK函數 255 利用時間智慧函數進行鑽取 258 使用自訂日期表 258 基於周的時間智慧 259 自訂YTD、QTD和MTD 262 結論 264 第9章 計算組 265 計算組介紹 265 創建計算組 268 理解計算組 274 理解計算項的應用 277 理解計算組優先順序 285 在計算項中包含或排除度量值 289 理解橫向遞迴 292 使用最佳實踐 296 結論 296 第10章 使用篩選上下文 298 使用HASONEVALUE和SELECTEDVALUE函數 299 ISFILTERED和

ISCROSSFILTERED函數介紹 303 理解VALUES和FILTERS函數的區別 306 理解ALLEXCEPT和ALL/VALUES函數的區別 308 使用ALL函數避免上下文轉換 312 使用ISEMPTY函數 314 資料沿襲和TREATAS函數介紹 316 使用固化篩選器 320 結論 326 第11章 處理層級結構 328 計算層級占比 328 處理父/子層級結構 333 結論 344 第12章 使用表函數 345 使用CALCULATETABLE函數 345 動作表的函數 347 使用ADDCOLUMNS函數 348 使用SUMMARIZE函數 351 使用CROSS

JOIN函數 354 使用UNION函數 356 使用INTERSECT函數 360 使用EXCEPT函數 361 使用表作為篩選器 363 實現或（OR）條件 364 將銷售額的計算範圍縮小至首年客戶 367 計算新客戶 368 使用DETAILROWS函數複用表運算式 370 創建計算表 372 使用SELECTCOLUMNS函數 372 使用ROW函數創建靜態表 373 使用DATATABLE函數創建靜態表 374 使用GENERATESERIES函數 375 結論 376 第13章 編寫查詢 377 DAX Studio介紹 377 理解EVALUATE函數 378 EVALUATE

函數語法介紹 378 在DEFINE函數中使用VAR 379 在DEFINE函數中使用度量值 381 實現DAX查詢的常用模式 382 使用ROW函數測試度量值 382 使用SUMMARIZE函數 383 使用SUMMARIZECOLUMNS函數 385 使用TOPN函數 391 使用GENERATE和GENERATEALL函數 396 使用ISONORAFTER函數 399 使用ADDMISSINGITEMS函數 401 使用TOPNSKIP函數 402 使用GROUPBY函數 402 使用NATURALINNERJOIN和NATURALLEFTOUTERJOIN函數 405 使用SUBST

ITUTEWITHINDEX函數 407 使用SAMPLE函數 409 理解DAX查詢中的自動匹配（Auto-Exists）行為 410 結論 416 第14章 高級DAX原理 418 擴展表介紹 418 理解RELATED函數 422 在計算列中使用RELATED函數 424 理解表篩選器和列篩選器的區別 425 在度量值中使用表篩選器 428 理解活動關係 431 表的擴展行為和篩選行為的區別 433 擴展表中的上下文轉換 435 理解ALLSELECTED函數和影子篩選上下文 436 影子篩選上下文介紹 437 ALLSELECTED函數返回反覆運算的行 441 無參數的ALLSELE

CTED函數 443 ALL系列函數 443 ALL函數 445 ALLEXCEPT函數 446 ALLNOBLANKROW函數 446 ALLSELECTED函數 446 ALLCROSSFILTERED函數 446 理解資料沿襲 446 結論 449 第15章 高級關係 451 使用計算列創建物理關係 451 創建基於多列的關係 451 創建基於範圍的關係 453 使用計算列創建關係中的迴圈依賴問題 456 使用虛擬關係 459 在DAX中轉移篩選器 460 使用TREATAS函數轉移篩選器 462 使用INTERSECT函數轉移篩選器 463 使用FILTER函數轉移篩選器 464 使

用虛擬關係實現動態分組 465 理解DAX中的物理關係 468 使用雙向交叉篩選器 470 理解一對多關聯性 472 理解一對一關聯性 473 理解多對多關係 473 通過橋接表實現多對多關係 473 通過公共維度表實現多對多關係 479 使用MMR弱關係實現多對多關係 483 選擇正確的關係類型 485 管理資料顆粒度 486 管理關係中的歧義 490 理解活動關係中的歧義 492 解決非活動關係中的歧義 494 結論 496 第16章 DAX中的高級計算 497 計算兩個日期之間的工作日數量 497 同時展示預算資料和銷售資料 505 計算同店銷售額 508 對事件進行排序 514 根據

最新銷售日期計算上一年的銷售額 517 結論 522 第17章 DAX引擎 523 瞭解DAX引擎的架構 523 公式引擎介紹 524 存儲引擎介紹 525 VertiPaq（in-memory）存儲引擎介紹 526 DirectQuery存儲引擎介紹 527 理解資料刷新 527 理解VertiPaq存儲引擎 528 列式資料庫介紹 528 理解VertiPaq壓縮 531 理解值編碼 531 理解雜湊編碼 532 理解行程長度編碼（RLE） 533 理解再編碼 536 確定最佳排序順序 536 理解層級和關係 538 理解分段和分區 539 使用動態管理視圖 540 理解關係在Verti

Paq中的運用 542 物化介紹 545 聚合表介紹 547 為VertiPaq配置合適的硬體 549 是否可以自主選擇硬體 550 設置硬體優先順序 550 CPU型號 550 記憶體速度 552 內核數量 552 記憶體大小 552 硬碟I/O和分頁 553 硬體選擇的最佳實踐 553 結論 553 第18章 優化VertiPaq引擎 555 收集有關資料模型的資訊 555 反規範化 560 列基數 566 處理日期和時間列 567 計算列 570 使用布林類型的計算列優化複雜篩選器 572 計算列的處理 573 存儲合適的列 574 優化列存儲 577 列的拆分優化 577 優化大基數

列 578 禁用屬性層級結構 578 優化鑽取屬性 579 管理VertiPaq聚合表 579 結論 582 第19章 分析DAX查詢計畫 583 捕獲DAX查詢 583 DAX查詢計畫介紹 586 收集查詢計畫 587 邏輯查詢計畫介紹 587 物理查詢計畫介紹 588 存儲引擎查詢介紹 589 獲取配置資訊 590 使用DAX Studio 591 使用 SQL Server Profiler 594 讀懂VertiPaq存儲引擎查詢 597 xmSQL語法介紹 597 彙總函式 598 算數運算 600 篩選運算 600 Join運算子 602 批次處理事件中的臨時表和淺關係 603

理解掃描時間 605 理解DISTINCTCOUNT函數的內部行為 606 理解並行度和資料緩存 607 理解VertiPaq緩存 609 理解CallbackDataID函數 611 讀懂DirectQuery模式下的存儲引擎查詢 616 分析複合模型 617 在資料模型中使用聚合表 618 讀懂查詢計畫 620 結論 626 第20章 DAX優化 628 定義優化策略 629 確定要優化的單個DAX運算式 629 創建查詢副本 632 創建DAX查詢副本 632 使用DAX Studio創建查詢度量值 633 創建MDX查詢副本 635 分析執行時間和查詢計畫資訊 636 發現存儲引擎或

公式引擎中的性能瓶頸 639 修改並重新運行測試查詢 639 優化DAX運算式中的瓶頸 639 優化篩選條件 640 優化上下文轉換 644 優化IF條件 650 優化度量值中的IF函數 650 選擇IF函數還是DIVIDE函數 655 優化反覆運算函數中的IF函數 658 減少Callback DataID函數帶來的影響 661 優化嵌套的反覆運算函數 665 避免在表篩選器中使用DISTINCTCOUNT函數 671 使用變數避免重複計算 676 結語結論 681

一對多 配置進入發燒排行的影片

以Arduino為基礎之CAN設計與製作

為了解決一對多 配置的問題，作者黃虹媚 這樣論述：

本文完成一組具有三個控制器節點的控制器區域網路(Controller Area Network，CAN)，每個CAN節點由Arduino Uno R3與CAN通訊模組所組成，其中CAN通訊模組使用CAN控制器MCP2515及傳收器TJA1050。Arduino Uno以串列週邊介面(Serial Peripheral Interface，SPI)與CAN通訊模組傳遞資訊。三個控制節點經過匯流排(Bus)雙絞線(Twist Pair)連結成網路。物理層與資料連結層適用CAN2.0A與CAN2.0B協定。本文使用CanKing軟體觀察CAN BUS之通訊運作，實驗結果證明本文製作之CAN BUS

系統達到預期功能。

TensorFlow機器學習

為了解決一對多 配置的問題，作者（美）尼山特·舒克拉 這樣論述：

Tensor Flow機器學習由淺入深地對Tensor Flow進行了介紹，並對Tensor Flow的本質、核心學習演算法（線性回歸、分類、聚類、隱馬 爾可夫模型）和神經網路的類型（自編碼器、強化學習、卷積神經網路和迴圈神經網路）都進行了詳細介紹，同時配以代碼實現。 Tensor Flow機器學習可作為人工智慧、機器學習、深度學習相關行業的從業者和愛好者的重要參考書。 Nishant Shukla 加州大學洛杉磯分校的博士研究員，專注于機器學習和電腦視覺技術。Nishant還具有佛吉尼亞大學電腦科學和數學學士學位。在那裡，他是 Hack.UVA的創始成員，並且講授關於H

askell的廣受歡迎的課程。Nishant曾擔任Microsoft、Facebook和 Foursquare的開發人員，以及SpaceX的機器學習工程師，他還著有Haskell Data Analysis Cookbook一書。此外，他還發表了從分析化學到自然語言處理的研究論文。 原書序 原書前言 第一部分 機器學習套裝 第1章 機器學習旅程　2 1.1　機器學習基礎　3 1.1.1　參數　5 1.1.2　學習和推理　6 1.2　資料表示和特徵　7 1.3　距離度量　11 1.4　學習類型　12 1.4.1　監督學習　12 1.4.2　無監督學習　14 1.4.3　強化

學習　14 1.5　TensorFlow　15 1.6　餘下的章節　17 1.7　小結　18 第2章 TensorFlow基礎　19 2.1　保證TensorFlow運行　21 2.2　張量表示　21 2.3　創建運算　25 2.4　使用session執行運算　27 2.4.1　將代碼理解為圖　28 2.4.2　設置session的配置項　28 2.5　使用Jupyter寫代碼　30 2.6　使用變數　32 2.7　保存和載入變數　34 2.8　使用TensorBoard視覺化資料　35 2.8.1　實現一個移動平均演算法　36 2.8.2　視覺化移動平均演算法　37 2.9　小結　39

第二部分 核心學習演算法 第3章 線性回歸及其他　42 3.1　形式化定義　43 3.1.1　如何知道回歸演算法在起作用　45 3.2　線性回歸　46 3.3　多項式模型　50 3.4　正則化　52 3.5　線性回歸的應用　55 3.6　小結　56 第4章 簡明的分類介紹　58 4.1　形式化定義　59 4.2　衡量分類性能　61 4.2.1　精度　61 4.2.2　準確率和召回率　62 4.2.3　受試者工作特徵曲線　63 4.3　用線性回歸實現分類　64 4.4　邏輯斯諦回歸　68 4.4.1　求解一維邏輯斯諦回歸　69 4.4.2　求解二維邏輯斯諦回歸　71 4.5　多類別分類器　74

4.5.1　一對多　75 4.5.2　一對一　75 4.5.3　softmax回歸　75 4.6　分類的應用　79 4.7　小結　79 第5章 自動聚類資料　81 5.1　在TensorFlow中遍歷文件　82 5.2　從音訊檔中抽取特徵　84 5.3　k-均值聚類　87 5.4　音訊分割　90 5.5　用自組織映射實現聚類　93 5.6　聚類的應用　97 5.7　小結　97 第6章 隱瑪律可夫模型　98 6.1　一個不那麼可解釋模型的例子　99 6.2　瑪律可夫模型　100 6.3　隱瑪律可夫模型　102 6.4　前向演算法　103 6.5　Viterbi解碼　106 6.6　隱瑪律可

夫模型的使用　107 6.6.1　視頻建模　 107 6.6.2　DNA建模　 107 6.6.3　圖像建模　 107 6.7　隱瑪律可夫模型的應用　108 6.8　小結　108 第三部分 神經網路樣式 第7章 自編碼器　110 7.1　神經網路　111 7.2　自編碼器　114 7.3　批量訓練　118 7.4　影像處理　119 7.5　自編碼器的應用　122 7.6　小結　123 第8章 強化學習　124 8.1　形式化定義　125 8.1.1　策略　 126 8.1.2　效用函數　 127 8.2　強化學習的應用　128 8.3　強化學習的實現　129 8.4　探索強化學習的其他應用

　136 8.5　小結　137 第9章 卷積神經網路　138 9.1　神經網路的缺點　139 9.2　卷積神經網路　140 9.3　準備圖像　141 9.3.1　生成篩檢程式　 144 9.3.2　使用篩檢程式進行卷積　 145 9.3.3　最大池化　 148 9.4　 使用TensorFlow實現卷積神經網路　149 9.4.1　測量性能　 151 9.4.2　訓練分類器　 152 9.5　提高性能的竅門和技巧　153 9.6　卷積神經網路的應用　154 9.7　小結　154 第10章 迴圈神經網路　155 10.1　語境信息　156 10.2　迴圈神經網路介紹　156 10.3　迴圈神

經網路的實現　157 10.4　時間序列資料的預測模型　160 10.5　迴圈神經網路的應用　163 10.6　小結　163 第11章 聊天機器人的序列到序列模型　164 11.1　分類與迴圈神經網路　165 11.2　序列到序列模型架構　167 11.3　符號的向量表示　171 11.4　把所有都放到一起　173 11.5　收集對話資料　179 11.6　小結　181 第12章 效用場景　182 12.1　偏好模型　184 12.2　圖像嵌入　189 12.3　圖像排序　192 12.4　小結　196 12.5　下一步　196 附錄　安裝　197  

基於FruityMesh之BLE TDMA傳輸機制的設計與實現

為了解決一對多 配置的問題，作者吳俊諺 這樣論述：

近年來物聯網的蓬勃發展，無線感測網路成為網路技術中的重要角色之一。在無線感測網路技術中，藍芽低功耗(Bluetooth Low Energy, BLE)傳輸協定相較於其他無線網路技術，具有低成本與低功耗的特性。然而BLE傳輸協定，會因為傳輸機制與相關參數的設定，影響吞吐量、耗電及分時多工的表現。BLE網狀網路(Mesh)標準的出現，讓可連接的裝置數量增加，進而提升了網路整體的可擴展性與通訊範圍。然而，在需定期傳送感測資料的應用下，洪泛式的資料傳播會帶來可觀的電量消耗且無法達成分時多工，故本篇論文將使用連線式資料傳輸的BLE Mesh，FruityMesh進行效能的探討。但FruityMesh

作為目前唯一開源的連線式BLE Mesh規範，其效能仍有一定程度的改善空間，而且絕大多數的有關連線式資料傳輸的BLE Mesh的研究都是做模擬實驗，因此本論文在實體裝置上進行實作並了解實際上的運作流程。本論文實作並參考一些文獻修改了 FruityMesh 網路建立的流程，降低了整體網路的點對點的延遲(delay)與提升了封包傳輸接收率（Packet Delivery Ratio, PDR）。本論文也探討傳輸機制與相關參數對於BLE分時多工之關係，於提出之機制上設計週期性傳輸機制，並經由BLE參數調整，在一對多的Mesh傳輸情境下，可平均分配傳輸時間，實現TDMA的傳輸機制。