我那不怎么正经的2020

作为一名程序媛,2020年技术上自学了浏览器原理,研读了《你不知道的JavaScript》,实践了对象属性唯一性在报表格式化中的应用,并用状态机管理前端交互。业余时间,我沉迷于编织,创作了多件衣物,还养成了阅读和健身的习惯。微信读书累计516小时,健身方面从跟教练学习到自我锻炼,身材有所改善。新的一年,我将继续遵循内心,享受生活的每一刻。

离2020的闭幕已不足12小时,无论你是心有不甘,还是心甘情愿都得迈进2021了。

就这样溜溜达达一年,不好也不坏,反正是顺着心意,本着良心过来的。赶着最后这一天巴拉巴拉366天中的不正经。

程序媛

自我评价(而且是哪种不含任何惭愧之色的)技术上并没有什么正经的提升,只是学了点李兵的关于浏览器的网课、看了几页“你不知道的javascript”、项目中用了自己想用的技术,比如利用对象属性的唯一性,格式化报表数据;依赖状态机机制管理前端中各种状态审核单的交互。再有零零碎碎的,四舍五入等于0,可以不用提。

织女

身边人节假日聊玩什么啊?“玩毛线!”,这是句遭人恨的回答。可它就是实实在在的呢!小姐姐我就是喜欢玩毛线啊,是个织女耶。

产出

两件亚麻短袖,其中一件还是自创款式呢;一条连衣裙,虽然透的有点走光;一件自创毛衣,领子上还差一个小白边就完工。拆了一件长款毛衣,因为看着它就不顺眼。

败过的家

一套彩木直针,一个乌金木毛线轴,12本编制书,一套梭织工具;毛线好像没买多少,一斤翠绿羊驼绒,半斤原色亚麻,半斤青桔亚麻,半斤金色天丝。那些测量的小玩意就别算了。

书虫

微信读书2020阅读时长516小时,这些时长都是上班的地铁时间,午饭后站立消食的空档拼凑起来的。心理学、散文、记实、历史、小说(尤其是有男人味的帅哥,晚上不睡觉都想看的那种,当然都在老刘的威慑下乖乖关灯作罢了)等等,读的书没什么特定范围,正经的不正经的通吃。

几年前读书的起点只是打发闲的发慌的时间,不知道从什么时候开始就成了潜意识里的习惯。书中自有黄金屋,书中自有颜如玉,书其实更像是知己。即使并没有什么像样的朋友,也依然有人可以倾诉。比起和人家聊那些东家长西家短的东西,更喜欢沉浸在书中的痛快。

健身

跟教练两年了,也该给自己毕个业了,拜拜了教练,开始了一点点往家里运小器材的征程。于是乎周六早上公园跑5公里,周日在家负重练,每早在床上健身20分钟(主要是虐腹和俯卧撑),自己不正经的折腾效果也不错,体重没变,腰细了、臀翘了、除了胸没大,拎两桶水一口气上四楼更快了,精气神在多巴胺的浸润下更高了。

最最骄傲的呢,就是把家里天天床上趴的老刘整出去跑步了,在我每个月都有那么特殊的几天中,不用我的陪伴,依然可以自己去完成5公里,回来还给稍早餐。

结尾

晃晃悠悠这一年,每天顺着自己的心意过,已无憾。

展望免了吧,随着时光荡漾的节奏就这样走下去,挺好;就这样,我这不怎么正经的2020!!!!

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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
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