中国古代格言(三)

古代读书格言分享
博客主要围绕古代读书相关格言展开,但未提供具体内容。推测会包含古人关于读书的感悟、方法等方面的智慧话语,对了解古代读书文化有一定帮助。

中国古代格言(三)

观今宜见古,无古不成今。

贤乃国之宝,儒为席上珍。

农工与商贾,皆宜敦五伦。

孝第为先务,本立而道生。

尊师以重道,爱众而亲仁。

钱财如粪土,仁义值千金。

做事要循天理,出言要顺人心。

心术不可得罪于天地,言行要留好样于子孙。

处富贵地,要可怜贫贱之痛痒;当少壮时,须体念衰老的酸辛。

孝当竭力,非徒养身。

鸦有反之孝,羊有跪乳之恩。

岂无远道思亲泪,不及高堂念子心。

爱日以承欢,莫待丁兰刻木祀;椎牛而祭墓,不如鸡豚逮亲存.

兄弟相害,不如友生;外御其侮,莫如弟兄。

有酒有肉多兄弟,急难何曾见一人。

一回相见一回老,能得几时为弟兄。

父子和而家不败.

乡党和而争讼息.

夫妇和而加道兴。

只缘花底莺声巧,遂使天边雁影分。

诸恶莫作,众善遵行。

知己知彼,将心比心。

责人之心责己,爱己之心爱人。

再三须慎意,第一莫欺心。

宁可人负我,莫叫我负人。

贪爱沉溺即苦海,利欲炽燃是火坑。

随时莫起趋时念,脱俗休存矫俗心。

横逆困穷,直从起始讨由来,则怨尤自息.

功名富贵,还向灭时管究竟,则贪恋自轻。

昼坐惜阴,夜坐惜灯。

读书须用意,一字值千金。

国乱思良相,家贫思良妻。

荣宠旁边辱相待,贫贱背后福跟随。

成名每在穷苦日,败事多因得意时。

声妓晚景从良,半世之烟花无碍;贞妇白头失守,一生之清苦俱非。

闲事休管,无事早归。

假饶染就真红色,也被别人说是非。

常将酒钥开眉锁,莫把心机织鬓丝。

为人莫作千年计,三十河东四十西。

秋虫春鸟,共畅天机,何必浪生悲喜;老树新华,同含生意,胡为妄别妍媸。

许人一物,千金不移。

一言既出,驷马难追。

卑鄙之极,必生奢男;厚德之至,定产佳儿。

日勤三省,夜惕四知。

博学而笃志,切问而近思。

少年不努力,老大徒伤悲。

惜钱莫教子,护短休从师。

须知孺子可教,勿谓童子何知。

一举首登龙虎榜,十年身到凤凰池。

进德修业,要个木石的念头.

若稍涉衿夸,便趋欲境.

济世经邦,要断云水的趣味.

若一有贪恋,便堕危机。

官清书吏瘦,神灵庙祝肥。

若要人不知,除非己莫为。

静坐常思己过,闲谈莫论人非。

友如作画须求淡,邻有淳风不攘鸡。

小窗莫听黄鹂语,踏破荆花满院飞。

平生最爱鱼无舌,游遍江湖少是非。

无事常如有事时提防,才可以弥意外之变;有事常如无事时镇定,才可以消局中之危。

三人同行,必有我师.

择其善者而从,其不善者改之。

养心莫善于寡欲,无恒不可做巫医。

狎昵恶少,久必受其累;屈志老成,急则可相倚。

心口如一,童叟无欺。

人有善念,天必佑之。

过则无禅改,独则毋自欺。

道吾好者是吾贼,道吾恶者是吾师。

入管庭户知勤惰,一出茶汤便见妻。

父老奔驰无孝子,要知贤母看儿衣。

入门休问荣枯事,观看容颜便自知。

养儿代老,积谷防饥。

常将有日思无日,莫待无时想有时。

守己不贪终是稳,利人所有定遭亏。

美酒饮当微醉候,好花看到半开时。

当路莫栽荆棘树,他年免挂子孙衣。

望于天,必思己所为;望于人,必思己所施。

贪了牲畜的滋益,必招性分的损;占了人事的便宜,必遭天道的亏。

好言一句三冬暖,话不投机六月寒。

知音说于知音听,不是知音不与谈。

谗言败坏真君子,美色消磨狂少年。

用心计较般般错,退步思量事事难。

但有绿杨堪系马,处处有路通长安。

人欲从初起处剪除,如斩新刍,工夫极易, 若乐其便而姑为染指,则深入万仞;天理自乍见时充拓,如磨尘镜,光彩渐增, 若禅其难而稍微怯步,便远隔千山。

风息时,休起浪;岸到处,便离船。

隐恶扬善,谨行甚言。

自处超然,处人蔼然。

得意安然,失意泰然。

老当益壮,穷且益坚。

榜上有名,蓬门增色。

床头金尽,壮士无颜。

由俭入奢易,由奢入俭难。

少成若天性,习惯成自然。

枯木逢春犹再发,人无两度在少年。

少而寡欲颜常好,老不求官梦亦闲。

书有未曾经我读,事无不可对人言。

兄弟叔侄,须分多润寡;长幼内外,宜法肃词严。

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研员及从事预测建模的工程技术员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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