价值投资交流园2.2

坚守价值投资

 

大盘开始调整,钢铁股下跌了,但我依然满仓,没卖出。从道理来说我没卖出是不应该的,利润损失了不少,但我没觉得可惜或者说我没感觉到是我错了什么。因为我知道,大盘的调整是我没办法控制的,股票的下跌我也同样的没办法控制及预测。从结果来说,毫不怀疑,我确实是错了,应该在高位卖出,现在买进不就是赚钱、赚股票了吗?是的,没错,你说的没错。但我本人还是无怨无悔,因为我知道,大盘是无法预测的,股价的波动是我所不能左右的,在我的眼里,只有股票的内在价值。

对于我来说,这下跌不觉得什么,甚至可以说是正常的,是好事,因为提高了平均成本,以后就可以更健康的上涨,也就又可以放心一段时间了。说实话,以前的快速度上涨让我不安心的。再反过来说,07年以来,今天为止,我的帐面利润还是超过了大盘的上涨幅度,我想你也差不多吧?

但是,我该向朋友们道歉,对不起!因为我的坚持,因为我的固执,让你浪费了一次做差价的机会。说实话,我的心里不好受的。

本来准备今天和大家说说我不愿意卖出的理由,但考虑到目前的实际情况,还是就不说了。因为不合时宜。

 

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制方法。通过结合数据驱动技术与Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的数据驱动线性化建模;②提升纳米定位平台的轨迹跟踪与预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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