项目实训日志:

这篇博客记录了一次项目实训中的数据库表结构调整,包括模块名称改为'salary',类名调整,修正staff info表注释,增加奖金字段,添加department表,修改初始工资表等工作。同时,也提到了代码修改、字段名称一致性以及数据项统一的问题,指出还有优化空间。

 

  1. 模块名称统一使用salary
  2. 类名根据数据库表名  统一去掉work前缀
  3. staff info表里   注释有误,第二个职员id是身份证号,注释信息以我发的那个参考表信息为准
  4. 一组对浮动工资表进行了修改,添加了奖金一项历史工资表也要添加
  5. 二组添加了部门表部门信息表可能还需要添加部门相关信息,之后再修改。

CREATE TABLE WORK_DEPARTMENT (
DEPARTMENT_ID VARCHAR(32) PRIMARY KEY COMMENT '主键',
DEPARTMENT_NAME VARCHAR(32) PRIMARY KEY COMMENT '部门名'
);

6.三组对初始工资表进行了修改

DROP TABLE IF EXISTS `work_salary_initial`;
CREATE TABLE `work_salary_initial`  (
  `ID` varchar(32) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci NOT NULL COMMENT '主键',
  `STAFF_ID` varchar(32) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci NULL DEFAULT NULL COMMENT '员工ID',
  `NAME` varchar(32) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci NULL DEFAULT NULL COMMENT '姓名',
  `AMOUNT` float NULL DEFAULT NULL COMMENT '初始工资',
  `LEVEL` varchar(32) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci NULL DEFAULT NULL COMMENT '初始工资级别',
  `WORK_AGE` int(0) NULL DEFAULT NULL COMMENT '工作年限',
  `TIME` timestamp(0) NULL DEFAULT NULL COMMENT '修改时间',
  `IS_LAST_VALID_TIME` varchar(32) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci NULL DEFAULT NULL COMMENT '月份标志位',
  `VALID` varchar(32) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci NULL DEFAULT NULL COMMENT '有效标志位',
  PRIMARY KEY (`ID`) USING BTREE
) ENGINE = InnoDB CHARACTER SET = utf8mb4 COLLATE = utf8mb4_0900_ai_ci ROW_FORMAT = Dynamic;

7.对一组代码进行了修改

8.Status  改成 vaild  (原因未及时交互,数据统一问题

三组告诉我对添加数据项,我没注意到字段名称修改了)


9.然后把他在float和history中引用salaryinfo(我一开始给他的示例数据),改成了引用accesslist来获得userlimit用户可见id

然后在staffinfo插入新员工时自动在work_salary_float和initial中插一行

10.修改了字段错误,TELEPHONT需要改成telephone

未处理内容:

  1. 财务,人事,部门领导 的角色和资源问题
  2. 数据项比较杂乱还没有完全统一
  3. 还有很多很多很多地方可以优化
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。; 适合人群: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、科研人员及从事预测建模的工程技术人员,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