读完曾国藩自传,我泪目了!

前言:

大家好,趁着2024还有一个月,记录一下非技术方面的学习:最近看的曾公的自传,里面有很多关于为人处事、子女教育、自身成长相关的很多内容!

9ad8a287ee34c83d377aef9c9fedfbf6.png

感想总结:

6854a25aa225bfab815bbab533eb8c1e.png3d11388f7ec0d2dcd095f42d0481d05e.pngf11745fec5a6e888380616edc05d43fe.png

之所以截取这段话出来,自己以前也是这种经历,自己很用功,但是就是拿不到结果,内心很沮丧,感觉自己咋那么笨;不过后面也是由于有前面的积累,找到了适合自己的方法,后面做事情就稍微顺了很多,也就是说:"悬牌批责",从失败中总结,去归纳,找到问题点,然后去加以改善,是金子总会发光发热的,然后开窍了,后面就会顺很多,这种一次真正意义上的成功,对未来成长有着极大的帮助。

所以当时看曾公这段经历,我内心很是有感概和激动,内心不是滋味。

所以有时候做事情,如果遇到困难,一定要找到方法去做,当然一开始一件事情,或许没有很好的方法,但是反复去做,不断总结和思考,一定有更好的方法来解决,换句话说,没有解决不了问题,只取决你是否下定决心去做好他!

还有一点真正让我佩服是曾公能够听得进去别人的批评,当今这个时代,很多人别说批评,稍微说错了一点不好的东西对他,就情绪很激动......

1fd3846bfff285763e11987a2c4515f2.png

有的时候,我们自身有做的不对的地方,一定要能够静的下心来好好听一下别人的不同建议,这样或许我们可以很快发现自身问题,同时更加高效的解决问题和成长!

还有孩子成长教育方面,也就是我们现在所说卷孩子:

8eb661fb09a875c2a752fa5538267812.pngaa6383fd5daaf7dd5cb6699038140743.png90cd4b68a1031680c11786b51cfa0429.png

最后还有一句曾公的名言:

君子有三乐”:读书,养人,劳而后憩。指的是:

▲读书声出金石,飘飘意远,一乐也;

▲宏奖人材,诱人日进,二乐也;

▲勤劳而后憩息,三乐也。

源码来自:https://pan.quark.cn/s/a3a3fbe70177 AppBrowser(Application属性查看器,不需要越狱! ! ! ) 不需要越狱,调用私有方法 --- 获取完整的已安装应用列表、打开和删除应用操作、应用运行时相关信息的查看。 支持iOS10.X 注意 前AppBrowser不支持iOS11应用查看, 由于iOS11前还处在Beta版, 系统API还没有稳定下来。 等到Private Header更新了iOS11版本,我也会进行更新。 功能 [x] 已安装的应用列表 [x] 应用的详情界面 (打开应用,删除应用,应用的相关信息展示) [x] 应用运行时信息展示(LSApplicationProxy) [ ] 定制喜欢的字段,展示在应用详情界面 介绍 所有已安装应用列表(应用icon+应用名) 为了提供思路,这里只用伪代码,具体的私有代码调用请查看: 获取应用实例: 获取应用名和应用的icon: 应用列表界面展示: 应用列表 应用运行时详情 打开应用: 卸载应用: 获取info.plist文件: 应用运行时详情界面展示: 应用运行时详情 右上角,从左往右第一个按钮用来打开应用;第二个按钮用来卸载这个应用 INFO按钮用来解析并显示出对应的LSApplicationProxy类 树形展示LSApplicationProxy类 通过算法,将LSApplicationProxy类,转换成了字典。 转换规则是:属性名为key,属性值为value,如果value是一个可解析的类(除了NSString,NSNumber...等等)或者是个数组或字典,则继续递归解析。 并且会找到superClass的属性并解析,superClass如...
基于遗传算法辅助异构改进的动态多群粒子群优化算法(GA-HIDMSPSO)的LSTM分类预测研究(Matlab代码实现)内容概要:本文研究了一种基于遗传算法辅助异构改进的动态多群粒子群优化算法(GA-HIDMSPSO),并将其应用于LSTM神经网络的分类预测中,通过Matlab代码实现。该方法结合遗传算法的全局搜索能力与改进的多群粒子群算法的局部优化特性,提升LSTM模型在分类任务中的性能表现,尤其适用于复杂非线性系统的预测问题。文中详细阐述了算法的设计思路、优化机制及在LSTM参数优化中的具体应用,并提供了可复现的Matlab代码,属于SCI级别研究成果的复现与拓展。; 适合人群:具备一定机器学习和优化算法基础,熟悉Matlab编程,从事智能算法、时间序列预测或分类模型研究的研究生、科研人员及工程技术人员。; 使用场景及标:①提升LSTM在分类任务中的准确性与收敛速度;②研究混合智能优化算法(如GA与PSO结合)在神经网络超参数优化中的应用;③实现高精度分类预测模型,适用于电力系统故障诊断、电池健康状态识别等领域; 阅读建议:建议读者结合Matlab代码逐步调试运行,理解GA-HIDMSPSO算法的实现细节,重点关注种群划分、异构策略设计及与LSTM的集成方式,同时可扩展至其他深度学习模型的参数优化任务中进行对比实验。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值