思念,我最爱的人zz

C语言实战:最小二乘法在传感器数据校准中的应用(附完整代码) 本文详细介绍了如何使用C语言实现最小二乘法,对传感器数据进行线性校准。通过模拟带噪声的传感器数据,手把手演示了从核心算法实现、参数计算到效果验证的完整流程,并提供了可直接编译运行的完整源码,帮助嵌入式开发者解决传感器数据不准的常见问题,提升系统测量精度。 阅读详情


















空间数据库(1):Arcgis10.2连接PostgreSQL9.1,创建空间数据库,导入空间数据 1、arcgis的安装对于gis人员来说想必并不陌生,此处就不赘述了。那么就先从PostgreSQL说吧,我这里用的是跟Arcgis desktop 10.2所支持的9.1或者9.2版本,大家也可以用相对应的更高的版本来配置,注意的是版本一定要相互匹配,不仅是Arcgis与PostgreSQL的匹配,还有PostgreSQL与PostGIS匹配。 按道理desktop是32位的,应该用PostgreSQL的32位,但是我实在找不到32位的PostGIS9.1,所以就用64位的吧,后面配置部分可能需 阅读详情

相关推荐

Win11用户文件夹中文名修改全攻略

本文详细介绍了Windows 11系统中修改中文用户文件夹名称的完整步骤。操作包含七个关键环节:前期数据备份、账户名称修改、管理员账户激活、用户文件夹重命名、注册表路径更新、收尾操作及注意事项。特别强调需要同步修改账户名、文件夹名和注册表关联路径,并建议操作前备份重要数据。文中还针对常见问题提供了解决方案,如软件报错时的符号链接创建方法。整个过程需谨慎操作,建议在管理员权限下逐步执行,修改完成后需验证系统及软件功能是否正常。

Qinti_mm的博客 3132

难道爱一个人有错吗

在一个落叶风零的秋天遇到我一生中最爱的人从此以后她的样子把我整颗心灌醉让我爱的那么汹涌那么真多么希望她能给我一点真爱多么希望她会过的快乐多么希望我能给她一点点感动可是老天却把感情捉弄究竟我是怎么了怎么了难道爱一个人真的有错吗虽然爱一个人很苦可我还渴望一点爱我怎么了哭了吗竟然爱她爱到那么施舍痛的最后哭了以后也快乐多么希望她能给我一点真爱多么希望她会过的快乐多么希望我能给她一点点感动可是老天却把感情捉

shulan的专栏 769

Simpack实战:5分钟搞定轨道车辆车轮不圆的3种定义方法(附详细参数设置)

本文详细介绍了在Simpack中定义轨道车辆车轮不圆的3种高效方法:Radius deviations、Fourier coefficients和Harmonic function,并提供了详细的参数设置指南。通过实战案例和参数优化技巧,帮助工程师快速掌握车轮不圆度的定义与仿真,提升轨道车辆动力学分析的准确性和效率。

weixin_29292535的博客 207

一滴泪水能够承载多少的爱?

一滴泪水能够承载多少的爱? — 一滴泪水能够承载多少的爱? 一滴泪水能够承载多少的爱?一滴泪水的重量是多少?一滴泪落下需要多久?足够去换回你失去或者想得到的一切吗? - - 迷茫…… 每个人心里都有一个最爱最放不下的人,当他/她离开你的时候,才发现一滴泪落下的时间竟然可以这么快, - 快到连心痛都还没感觉到,泪水就落下了。 - 总有一个人让另一个人心痛,总有一个人让另一个人哭泣,

yadgkhlsm的专栏 1120

数据结构实验1.2—高精度计算PI值(西工大)

这是数据结构第二题的题目,是让我们根据用户的需求来计算派的值 这是题目的详细描述,刚看到这道题的时候,我是真的头大,完全没有思路,于是查找了一些大佬的笔记后才开始编写 这是我在写这些代码是所运用到的数学反三角函数幂次展开式的知识。 下面是正确的代码以及我的一些见解,和需要注意的一些地方。希望能对你有所帮助。如有更加精简的算法,请在评论区留下你的算法!!!谢谢!!! #define _CRT_SECURE_NO_WARNINGS #include<stdio.h> #include<stdl

abcdef0623的博客 5831

学生党投稿Applied Soft Computing:从导师账号登录到通讯作者设置的全流程解惑

本文详细解析了学生投稿Applied Soft Computing期刊的全流程,重点介绍了导师账号登录、通讯作者设置、作者排序调整以及开放获取费用等关键环节的避坑技巧。针对LaTeX稿件处理和财务选项选择提供了实用建议,帮助学生顺利完成SCI期刊投稿。

weixin_30352191的博客 213

《心术》——张宇

主题曲:《心术》作曲:张宇 作词:十一郎 演唱:张宇模糊的泪眼之中 他还有最后的梦 后来又为了什么所以落空 已说不清始末    怕失去最爱的人 他曾经固执地等 谁知道浮浮沉沉 只剩一个受损的人生 他一直往前追溯 忘了命运的残酷 那些幸福片段牵牵绊绊 怕一点一点被遗忘今生的约欠一个再见 伤痕从此不肯复原 如果思念能回收眼泪 时间会不会治愈从前 但愿曾经荒芜的心田

YiBochun的博客 1210

《手把手教你玩转RTOS操作系统》专栏简介

《手把手教你玩转RTOS操作系统》专栏系统讲解实时操作系统开发,以FreeRTOS为主线,结合RT-Thread和Zephyr对比分析。内容涵盖RTOS基础、任务管理、通信机制、中断处理等核心知识,并配套STM32/ESP32平台实战项目。专栏特色在于零基础友好、实战驱动、多系统对比和行业趋势分析,适合嵌入式开发者进阶RTOS开发能力,解决实际项目中的选型与优化问题。通过完整学习路径,读者可掌握构建高可靠性嵌入式系统的关键技能。

MHD0815的博客 532

你是我最爱的人

遇见你之后我知道了什么是思念,担心,爱情。一种不能自已的东西。我们分在两地,不能相见,但是这种情却越来越浓,有时感到很酸,但是听到你的声音又觉的你在身旁,心里又很甜。酸酸甜甜就这样交织着,现在的我们不能够更多的去照顾对方,虽然我那么渴望能见到你,见到你的笑,或者不高兴的打我两下,我都是那么的期盼,觉的这是一种幸福。有一种幸福,他叫在一起。可是老天非要让我们接受这样的考验,分隔两地,现实...

149

推理篇第3节:TensorRT基础——Builder、Engine、ExecutionContext生命周期

TensorRT模型优化与推理流程摘要 TensorRT是NVIDIA的深度学习推理优化器,通过Builder、Engine和ExecutionContext三阶段实现高效推理。Builder负责编译模型,执行图优化和kernel选择;Engine是优化后的推理计划;ExecutionContext管理运行时执行。编译期进行重量级优化(如算子融合、kernel调优),运行时快速执行。TensorRT 10.x引入新API,推荐使用buildSerialized方法。构建流程包括创建Builder、网络定义、

PeterPan的博客 504

Simulink进行无人机飞行力学建模与仿真

摘要:本文详细介绍了使用MATLAB/Simulink进行四旋翼无人机飞行力学建模与仿真的步骤。内容包括准备工作、动力学方程概述、模型构建(使用State-Space或Simscape Multibody)、可选控制器设计、仿真参数配置及结果分析。教程强调理解飞行力学原理和坐标系转换的重要性,建议根据需求选择模型复杂度,并推荐查阅学术文献获取更深入的建模方法。通过本教程,读者可掌握无人机动力学建模基础,为控制系统开发和性能优化奠定基础。

amy_mhd的博客 275

你不在是一个人的世界,对最爱的人说:我爱你

今天上午在公司上班,

flehss的博客 1112

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

最爱你的人是我

http://www.gzlis.edu.cn/xyzx/song/nanguo.mp3你怎么舍得我难过---黄小琥---曲:黄品源词:黄品源lrc:sunpzh对你的思念是一天又一天孤单的我还是没有改变美丽的梦何时才能出现秋天的风一阵阵的吹过想起了去年的这个时候你的心到底在想些什么为什么留下这个结局让我承受...最爱你的人是我你怎么舍得我难过在我最需要你的时候没有说一句话就走最爱你的人

lifehan的专栏 1096

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

我的最爱和爱我的人

你们一定会说我的最爱是我老婆,其实不对。你们又会说是你的初恋情人。都不对。我的最爱是我的儿子, 对儿子的那种爱,是疼在心里,说在嘴里,写在脸上.每天怕他吃少了,怕他长得慢了。晚上睡在梦里,怕 他滚到床下面。 今年四月份,每天我和老婆为了照顾小孩,形成了一定的分工,因为我爸不太会做家务,我 们也不好叫他大清早就抱小孩,所以我呢就给小孩洗屁股/洗脸,喂东西吃。也许是从那时候起...

ailiu9889的博客 152

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

遗憾的思念

  在我的人生中出现了3个重要的女人,是我永远无法忘怀的,第一个是玉,算是我的初恋女友,由于当初的年轻与不懂事,让我门彼此受过很多的伤害,其实我知道,到现在为止,要是她想起我的话,还是恨多些,对于她,我只能说,对不起,也许天意注定这样,第二个是芳,我门的相识是网络的方式,听起来不现实,当初还是一心一意的,知道她欺骗了我一次,我终于明白,原来网络真的不现实。那时候我对感情的事其实已经不放在心上了,可

jiaoguangyuan的专栏 477

有一种思念叫不联系(超真实)

有时候,你很想念一个人­但你不会给他打电话­因为­打电话给他­对方冷冷的一句“喂”­会让你不知说什么好­还是不打比较好­发个信息吧­好怕对方不回信息­要不~就算回了也就简短到让人心疼的一个“哦”­­打电话给久未谋面的知己­以前­你们什么都可以谈­现在­通电话了,只会谈一些无关紧要的事­那种感觉并不好。­此后­当你想她­你不

yuming705的专栏 336

有一种思念叫不联系

<br />有时候,你很想念一个人 -<br />但你不会给他打电话 -<br />因为 -<br />打电话给他 -<br />对方冷冷的一句“喂” -<br />会让你不知说什么好 -<br />还是不打比较好 -<br />发个信息吧 -<br />好怕对方不回信息 -<br />要不~就算回了也就简短到让人心疼的一个“哦”-<br />打电话给久未谋面的知己 -<br />以前 -<br />你们什么都可以谈 -<br />现在 -<br />通电话了,只会谈一些无关紧要的事 -<br />那种感觉

dandelion(蒲公英)的专栏 342

思念是种动物名字叫猫

很喜欢这样一段文字:“守一颗心,别象守一只猫。它冷了,来偎依你;它饿了,来叫你;它痒了,来摩你;它厌了,便偷偷地走掉。守一颗心,多希望象守一只狗。不是你守它,是它守你。 然而思念是一种动物,名字叫猫。那些细腻的绒毛摩挲在皮肤上时,淡淡的痒是心里深深的痛。 邓丽君的歌很久没拿出来听了,现在柔柔滑滑的抚摸着我的耳朵。耳朵不再寂寞了,都是那些熟悉的...

weixin_34368949的博客 221

那些思念泛滥成洪的日子里,淡漠的心情,回忆也当满足

那些思念泛滥成洪的日子里,淡漠的心情,回忆也当满足 — 那些思念泛滥成洪的日子里,淡漠的心情,回忆也当满足   根本不曾回忆,不曾想起,那些思念泛滥成洪的日子里,淡漠的心情,只因你的出现,即使哭泣,也如梨花带雨。当离别的脚步声越来越清晰,我们注定分散两地,继续彼此未完的人生。时间在改变着一切,让我痛苦让我落寞的那个我曾经爱着的人,我不曾否认,直到现在为止,我仍然对她念念不忘,抱有一丝幻

lqraroyap的专栏 1191

用stlstack实现深搜_用一档综艺“饺谈”人生,思念品牌划开情感营销的IP时代...

母亲节,似乎总伴随着温情和感动,但昨天这样一条“硬核”热搜#亲妈的反应过于真实#让“嘴嫌体直”的妈妈们立即成为话题焦点。这条热搜,来源于最近常常被提起的一档节目《思念物语》。这档由思念食品出品的访谈记录微综艺,不仅用纪实的方式记录主人公的真实生活状态,更通过 “思念会话人”李诞与主人公的对谈,走进人物内心,捕捉他们最真实打动人的思念情感。01思念物语语的是人类相通的悲欢《思念物语》自4月...

weixin_39994296的博客 135

爱上·思念·爱上·你

爱上·思念·爱上·你 又是这样一个晚上经过一天的雨水冲刷城市很干净,很清新虽然天空中还有没有散去的乌云不知道明天是否还是依旧是雨天我对天气的敏感已经不像以前那么严重了是我长大了?还是我麻木了?我也说不清楚她以前总说我太敏感了一阵雨、一首歌总会触动我心里的某一块儿心理的敏感每个人都有但是我除了心理的敏感身体本身也看似不正常的敏感 耳边回响着音乐声歌曲平缓的曲调歌手略带沙哑的...

weixin_34100227的博客 87

把它发给你最爱的人吧!真的很好啊. 

<br />第1条:<br />      看你是一种享受,<br />      爱你是一种幸福,<br />疼你是一种珍惜,<br />吻你是一种温柔,<br />抱你是一种浪漫,<br />念你是一种习惯,<br />想你是一种快乐,<br />等你是一种考验...<br />第2条:<br />       有一种默契叫做心照不宣;<br />   有一种感觉叫做妙不可言;<br />   有一种幸福叫做有你相伴;<br />   有一种思念叫做望眼欲穿!<br />第3条:<br />      

sun5208的专栏 1028

酒醉之后你最思念谁?

酒醉之后你最思念谁? 2012年01月12日    男人喝酒,多半心里想着女人.     女人流泪,多半是男人伤了她们的心.     男人喝酒从来都把烦恼随酒喝进肚子里.     女人流泪,从来都让苦衷跟眼泪一起流出来 .     喝酒的男人,拿酒来消愁,看似坚强.     实际是一种麻醉,是在逃避.     流泪的女人,用泪水来宣泄,看似脆弱.     实际是一种隐忍,...

zyw18zyw 202

至我最爱的人小梦

亲爱的宝贝老婆:时间过得好快啊,一转眼,半年的时间已悄然从你我生命历程中无声无息的滑过。过去的这半年时间里,你早已成为我生命中不可缺少的一部分,过去的时间,我们哭过,笑过,甚至还经历了人生中最最难忘的刻骨铭心的时刻。然而我们全都挺过来了,我的宝贝,再过两天就是农历七月初七,一年中的第二个情人节对不起,我不能陪在你身边好好的过这个节日。真的好遗憾好遗憾啊,看到别人一对一对的,我不难过,但是却有点失落

wan13wwb的专栏 504

邓丽君逝世30周年怀念盛典将于5月8日在台湾省新北市金宝山筠园举办 未发表遗作《情歌最爱夜雾时》6月问世

邓丽君文教基金会董事长邓长富表示,自1995年来,每年5月8日筠园总会自然汇聚各地歌迷,大家一起相约在筠园,聊邓丽君的歌、聊各自对她的思念,多年来变成一种默契,大家也像家人一样,固定在这个时候见面,好似一种歌迷回娘家的温馨感觉。今年由来自南投奥万大森林深处的乐团“亲爱爱乐”演出,王子建老师和陈珮文老师将音乐带进山村儿童的生命中,以混龄教学的方式成立乐团,借由音乐抚慰内心的同时,也给予孩子们一个新的选择,靠自己的力量在社会上被看见、被听见的机会,如此正能量的循环与邓丽君疗愈人心的音乐有着异曲同工之妙。

2501_90511990的博客 659
上一篇: [转帖]A summary of OO Principles
下一篇: 世界上最远的距离zz
coderzhou
博客等级 码龄24年 9粉丝 93原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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