2013年 读书计划


害怕自己忘掉学习,所以特地 列出这个学期要看的书籍。


阅读计划~~~


=======我是无脑分割线=============


1、黑客与画家


技术程度:低

急迫程度:低


先权当是一本闲书来看吧 , 期末前看完。

读后简述:

       看完了,基本上就是一本叙述作者职业生涯以及对读者建议的书。部分内容因为太高端所以读不懂,比如lisp这门语言,看来什么时候还是要积淀一下。


================================


2、什么是数学


技术程度:略高

急迫程度:低


启发思考的一本书。列入今年的读书计划中。


==================================


3、数学中的伟大定理


同上


==================================


4、思考的乐趣


技术程度:中

急迫程度:一般


启发思维的一本书。


快看完了,正在啃几何的证明。


===================================


5、设计模式


技术程度:一般

急迫程度:高


在形成自己的设计方法前,先看看别人的吧。


看完了,对于一些模式印象有了加深,但是有些模式还没用过(如:责任链模式等)

===================================


6、深入理解java虚拟机


技术程度:高

急迫程度:低


有空还是得啃一下


==================================


7、鸟哥linux 


技术程度:一般

急迫程度:高


尽量在年内熟练运用linux


看完一遍了(在架设服务器、树莓派的时候再看一遍)


==================================


8、游戏中人工智能变成


技术程度:一般/高

急迫程度:高


尽量这个学期看完


===================================


9、javascript工具书


技术程度:一般

急迫程度:高


年内完成自己的个人主页


10、编程之美


技术程度:高

急迫程度:高


每周对算法进行一定的训练。

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