欣频读书笔记2

—————————————————如何栽培自己———————————————————————

1、 如果你是自己的老师, 你会怎么教自己?通过此思考来帮助完成心目中的自己, 推荐《哈佛:如何读大学》。

长出触角与世界连接,建立自己的情报系统。你可以试着制作自己的个人秘笈,把平时吸引你的文句、DM、广告、电影对白、歌词... ... 收集成一本你的私人宝典,依你自己的分类方式逐页补充,甚至把你突来的灵感奇想也列进去,这样做好几年后,就可以拥有你私人的情报局与智库,当你临时需要时就有资源可用。 ^_^ ^_^ 我大学里也一直都是这样子做的!


2、 自我养成教育之一: 书本

书永远是我最重要的朋友, 书可以带着你的心灵,走最远的旅行,每天看一本书,一年就能与别人有365本书的差距。知识是鹰架,透过阅读让你爬上去,从高处看更广的视野与风景。

至于如何选书,可以从自己有兴趣的开始读起,然后延伸阅读,读出一个自己能乐在其中的阅读脉络,并随手绘制成一颗年度的阅读树网。当然专业书籍是得博览的,让自己在专业领域里的知识尽可能地丰足... ... 建立专属于你自己的知识情报网,感觉文字流洒在指间的丰沛,体触纸香在手中余味缭绕的满足。

关于“阅读”的书,如《读书的艺术——如何阅读和阅读有什么》、《我生命中的书》、《阅读地图》、《文字生涯》、《一生的学习》、《学习与知识》... ...

一半经典、一半新知的书单调配, 最重要的是建立自己的知识架构。

注意知识与智慧的比例,书单里至少要有四分之一的比例是关于那些会增进你智慧的书。推荐克里希那穆体、奥修,以及一些修行或是心理学的书。



3、 自我养成教育之二: 电影

五种观影的角度,让你透过电影学习角色扮演——当主角、当对手、当摄影师、当导演、当编剧。



4、 自我养成教育之三: 旅行

亨利.米勒说:”我们旅行的目地,从来不是个地理名词,而是为了要习得一个看事情的新角度“(引自《旅行,重新打造自己》)。在旅行中学会看地图、认方向、独立、应变、如何克服恐惧等等。

旅行时, 把自己当成当地人

庞贝克说:”很多时候,出国旅行的认带来了爱多不该带的东西——我指的未必是衣物,而是指过多的期待和刻板的印象“;沙普也说:”休假的用以应重于改变视野,而不只是移动视线“。旅行的时候,不要带着旧思想框架去,否则你只是身体出去而已,脑袋还留在原地,那就失去了旅行的意义。

旅行前的资料准备: 博物馆、 美术馆、 节庆都是旅行到当地不能错过的。

旅行让你心胸开阔,让你谦卑;趁年轻有体力,走到最远最高的世界边境,帮自己建旅行目录文件。同行的人很重要, 旅行后的态度 ... ...



5、 自我养成教育之四: 人际

各式各样、各领域专业杰出的朋友,像是自己的智囊团。《解读天才》中提到了达尔文的工作伙伴与朋友,那真可谓是三教九流皆有。



6、 自我养成教育之五: 环境

除了用异国观光的角度,重新看待你已经熟悉的环境之外,提有就是要对你身处的环境非常敏感,细心观察。

学会聆听、 注意新闻的启示
【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型与说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压和功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统分析、运行与控制工作的科研人员和工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与分析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更新自身速度与位置,并参考个体历史最优解和群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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