2018.10 自考总结

                                                那些属于自己的过去     

      有些回味虽然很苦涩,却到深处,你会感恩那些苦涩给你带来的成长痛苦。 

        还记得第一次的自考,运筹学和管理经济学。迷迷糊糊的上了考场,我以为我一科也不能过,结果过了。即使那是脑子里还是混沌,但付出了就有收获了。从来都是以为自己很聪明的我并不觉得那是裸考得来的结果,记住那段开始努力的开始,尽管自己不知道自己是怎么过来的。

       后来的后来,我再也不想去自考。因为我考完后自己都不知道自己干了什么,脑子一片空白。作为这样的思想,也没敢找米老师商量。这种状态很危险也很现实的跟随了我一年!但还好自己无论怎样,行动上还是盲人一样的的在追求进步,不管前方是否高能。

  直到这个暑假,彻彻底底的在万达学习了。总算才知道自己在干什么,脑子感觉焕然一新。清晰的看待事物,渴望追求知识的积累,不惧怕看起来那么厚厚的一摞书。这次报了四科自考《数据结构》《数据库系统原理》《软件开发工具》《信息系统开发工具》感觉上比以前那是优秀了不止一丁点。脑海里他们的知识点在有规律的浮现,终于能体验那种优秀的人脑海里他们的知识为什么能随调随用了。因为好多知识点都是学过的,如果你善于归纳总结,你学东西是很快的。尤其是出现新东西的时候你的脑子会很心奋。学习是终生受用的,自考已经结束。不管结果怎样,接下来我就说爱上学习,迎接接下来的考试。不做停留,不做等待,为美好的将来创下美好的回忆!

我在本专业的时候,对自己的书都是想啥玩意。是人学的吗?现在我很好奇我曾经都学了些什么,虽然很快就能拿到物理学的学位证了,但有点心虚。

走过路过,看看证明自己来过。nice.....

【多变量输入超前多步预测】基于CNN-BiLSTM的光伏功率预测研究(Matlab代码实现)内容概要:本文介绍了基于CNN-BiLSTM模型的多变量输入超前多步光伏功率预测方法,并提供了Matlab代码实现。该研究结合卷积神经网络(CNN)强大的特征提取能力与双向长短期记忆网络(BiLSTM)对时间序列前后依赖关系的捕捉能力,构建了一个高效的深度学习预测模型。模型输入包含多个影响光伏发电的气象与环境变量,能够实现对未来多个时间步长的光伏功率进行精确预测,适用于复杂多变的实际应用场景。文中详细阐述了数据预处理、模型结构设计、训练流程及实验验证过程,展示了该方法相较于传统模型在预测精度和稳定性方面的优势。; 适合人群:具备一定机器学习和深度学习基础,熟悉Matlab编程,从事新能源预测、电力系统分析或相关领域研究的研发人员与高校研究生。; 使用场景及目标:①应用于光伏电站功率预测系统,提升电网调度的准确性与稳定性;②为可再生能源并网管理、能量存储规划及电力市场交易提供可靠的数据支持;③作为深度学习在时间序列多步预测中的典型案例,用于科研复现与教学参考。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注数据归一化、CNN特征提取层设计、BiLSTM时序建模及多步预测策略的实现细节,同时可尝试引入更多外部变量或优化网络结构以进一步提升预测性能。
评论 22
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