一个10年的程序员的感叹!

本文探讨了一名资深程序员对于Java技术栈的理解与实践,包括前后台框架、数据库、缓存、通信协议等,并强调了domain knowledge在实际工作中扮演的重要角色。

无意间看到网上一个老程序员的感叹
Java当前使用比较流行的相关技术框架:
前台:jquery,velocity
框架:springMVC,spring mybatis (以前用struts2,后因OpenSSL等各种漏洞,用得少了)
DB:mysql(分库、分表,及主从备份、双机热备、纵向扩展、横向扩展),mongoDB,hbase,h2(嵌入式DB)
缓存:Redis,memcached
通信:WebService(cxf的soap、restful协议)
消息队列:activeMQ
异步并行框架:TBSchedule
worker:quartz
工作流:activity
搜索引擎:lucene,基于lucene封装的solr
集群技术:hadoop

那些说10年就窥什么技术殿堂的兄弟 可能是真喜欢程序
那你们可能没到10年 我也差的10年了也就这个样子
等你工作到10年的时候 我想你会有不一样的看法
写代码或者做的好点架构师 你懂的永远也就是程序

一些公司里最重要的是什么?我现在略有体会 那就是domain knowledge
你程序再牛 你不懂domain 你都得被人指挥的份

我唔了这么多年了 才想去学习所在domain的知识

哎 想想 感觉自己很迷茫的

在另外一个地方看到的java技术图谱:
这里写图片描述

感觉做到CTO没有个7,8年的还是真是积累不到。

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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