2023年新年flag

1、2022年总结

去年的flag在这里:2022年新年flag_fhqlongteng的博客-优快云博客

2.1 工作

基于去年设计的软件架构、硬件架构继续完成软件架构,形成稳定可靠,易用的软件架构。

总结:在输电接入节点上完成了新的产品架构软件的部分设计,实现新软件架构30%的功能,由于产品规划的方向的改变,此新软件架构未进行下一部的开发。此产品目前在杭州稳定运行10个月左右。今年还开发一款类似于wireshark软件功能的输变电物联网通信协议解析软件,软件功能做到完善,强大,易用,基本达到商业桌面软件的功能。

2.2 学习

学习rt smart操作系统的使用,掌握基于此操作系统的应用开发。开源一个应用程序,坚持写技术博客与文章。

总结:掌握了rt smart操作系统的使用,阅读了相关的MMU,启动流程等相关部分代码,移植一个智能阀门控制器的程序到rt smart系统上面。全年编译技术博客25篇,是编写文章较多的一年,这是由于今天的软件开发工作时间安排充裕,不紧张,有时间对所学的知识进行总结与归纳。另外还学习了Linux操作系统驱动开发,掌握了基本原理,基本代码结构。

2.3 家庭

家人都身体健康,抽出更多的时间陪孩子、家人。根据情况进行一次远途旅行。

总结:家人身体都健康,周末带孩子去公园玩耍,去过野鸭湖,京西古道,怀柔过夜。由于疫情原因未进行远途旅行。12月15日开始的2周内,全家先后都新冠阳性后恢复了。带母亲去看北京有名的罗氏正骨中医,治疗多年的腰间盘突出,目前治疗有效。

2.4 锻炼

坚持每天锻炼,目标到全年11个月。

总结:上半年主要练习易筋经,下半年还开始转向无极庄,全年的练习时间大约10个月。

2、2023年目标

2.1 工作

完成一款基于linux操作系统的驱动开发与应用软件开发,学习掌握linux操作系统驱动软件,应用软件的编程。

2.2 学习

学习linux操作系统的使用,掌握基于此操作系统的应用开发。坚持写技术博客与文章。学习葫芦丝的演奏方法,目标是掌握歌曲《美丽的神话》的吹奏方法,并且能跟随伴奏进行表演。

2.3 家庭

家人都身体健康,抽出更多的时间陪孩子、家人。根据情况进行一次远途旅行。想去山东长岛旅游一次,这是曾经留下美好回忆的地方。

2.4 锻炼

坚持每天锻炼,目标到全年11个月。

源码来自:https://pan.quark.cn/s/a3a3fbe70177 AppBrowser(Application属性查看器,不需要越狱! ! ! ) 不需要越狱,调用私有方法 --- 获取完整的已安装应用列表、打开和删除应用操作、应用运行时相关信息的查看。 支持iOS10.X 注意 目前AppBrowser不支持iOS11应用查看, 由于iOS11目前还处在Beta版, 系统API还没有稳定下来。 等到Private Header更新了iOS11版本,我也会进行更新。 功能 [x] 已安装的应用列表 [x] 应用的详情界面 (打开应用,删除应用,应用的相关信息展示) [x] 应用运行时信息展示(LSApplicationProxy) [ ] 定制喜欢的字段,展示在应用详情界面 介绍 所有已安装应用列表(应用icon+应用名) 为了提供思路,这里只用伪代码,具体的私有代码调用请查看: 获取应用实例: 获取应用名和应用的icon: 应用列表界面展示: 应用列表 应用运行时详情 打开应用: 卸载应用: 获取info.plist文件: 应用运行时详情界面展示: 应用运行时详情 右上角,从左往右第一个按钮用来打开应用;第二个按钮用来卸载这个应用 INFO按钮用来解析并显示出对应的LSApplicationProxy类 树形展示LSApplicationProxy类 通过算法,将LSApplicationProxy类,转换成了字典。 转换规则是:属性名为key,属性值为value,如果value是一个可解析的类(除了NSString,NSNumber...等等)或者是个数组或字典,则继续递归解析。 并且会找到superClass的属性并解析,superClass如...
基于遗传算法辅助异构改进的动态多群粒子群优化算法(GA-HIDMSPSO)的LSTM分类预测研究(Matlab代码实现)内容概要:本文研究了一种基于遗传算法辅助异构改进的动态多群粒子群优化算法(GA-HIDMSPSO),并将其应用于LSTM神经网络的分类预测中,通过Matlab代码实现。该方法结合遗传算法的全局搜索能力与改进的多群粒子群算法的局部优化特性,提升LSTM模型在分类任务中的性能表现,尤其适用于复杂非线性系统的预测问题。文中详细阐述了算法的设计思路、优化机制及在LSTM参数优化中的具体应用,并提供了可复现的Matlab代码,属于SCI级别研究成果的复现与拓展。; 适合人群:具备一定机器学习和优化算法基础,熟悉Matlab编程,从事智能算法、时间序列预测或分类模型研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①提升LSTM在分类任务中的准确性与收敛速度;②研究混合智能优化算法(如GA与PSO结合)在神经网络超参数优化中的应用;③实现高精度分类预测模型,适用于电力系统故障诊断、电池健康状态识别等领域; 阅读建议:建议读者结合Matlab代码逐步调试运行,理解GA-HIDMSPSO算法的实现细节,重点关注种群划分、异构策略设计及与LSTM的集成方式,同时可扩展至其他深度学习模型的参数优化任务中进行对比实验。
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