Alpha阶段敏捷冲刺 DAY3

Alpha阶段敏捷冲刺 DAY3

一.举行站立式例会

1.今天的课排的比较满,我们利用晚上的时间开了一个简短的会议,对大家周末所完成的工作,做一个简要的交流分析,制订了下周的具体工作安排,用时大概25分钟左右。
2.站立式会议照片
1360700-20180423204656565-17584630.jpg

二.团队报告

1.昨日已完成的工作
(1)完善部分算法任务
(2)完成登陆界面
(3)完成基本表的建立
(4)完成服务器的基本搭建

2.今日计划完成的工作

(1)完善完成的算法,进一步写剩下的算法
(2)完成游戏界面
(3)完成功能类的创建
(4)完成各个表间的联系

3.工作中遇到的困难

大家周末都有自己的事情,比较少有相对完整的时间段来一起讨论,这就导致我们对每个人的进度了解程度相对较低,需要占用会议的部分时间来交流,其实现在存在的主要问题还是代码编写能力较弱,对整体开发的认识还不够,在代码的严谨性上也做得较差。

4.燃尽图
1360700-20180423200614541-1394105736.png

5.代码截图
1360700-20180423202730389-1731479835.png

6.码云上传记录截图
1360700-20180423201456786-1348722352.png

三.小结

经过一个周末的努力,整个项目的还是取得较大突破性进展,解决了部分代码编写问题,但是距离项目的完成还有很大一步,大家之前的编码基础较差,导致整体进程偏慢,不知道能否在时间限制内完成任务。不过我们会尽自己所能做到最好。

转载于:https://www.cnblogs.com/D-WD/p/8921573.html

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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  | 博主筛选后可见
 
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