离职!

跳槽攻略

昨天有个朋友找我去他们公司,去年那家公司开始建立的时候我也有机会去的。但是当时我考虑找个大点的公司学习学习技术,能有所发展,可是没有如愿。现在想想这种想法实在是有点幼稚,学习应该是自己的事情。

我答应去朋友的公司,离职又遇到个问题,我当然是希望尽快走。可是原来开发的 XX 系统刚刚提了个新的需求,要改许多东西。说实话, XX 系统可以入选 IT2008 最烂实践。哈,不是开玩笑。为了能早点离开焦油坑,我把劳动法和劳动合同都 google 了。下面把关于离职的说明一下,方便有需要的朋友。

1)  试用期内可以随时走人,交接完就可以(公司没有任何理由拒绝)。

2)  签到劳动合同的(转正的)需要提前三十天书面通知所在公司。如果打算提前离职(通知没有 30 天的),可以和公司谈判。我的劳动合同就规定:如果通知没有 30 天的话,需要交违约金,按照相差的时间乘以当月平均日工资。例如我提交离职申请 10 天后走,那么我要交 20 天工资的违约金。如果公司同意提前离开的话,那就没有这个问题。

3)  如果公司没有和你签到劳动合同,或者没有缴纳规定的保险,或者存在可以认定的违反劳动法的行为;那么恭喜你啦,你可以立即离职走人。(我找了好久也没有发现目前公司符合立即走人的行为)

我打算在两周内走人,要是不放的话,只有交违约金,我计算了下,我这半个月的工资都要交违约金呢。

       新的一年,打算换的赶紧啦。关于忠诚度的问题或者职业道德问题,我对公司倒没有什么忠诚度,也没有什么负罪感。职业道德需要保留些的,不能一次丢光。如果你是在焦油坑的话,我劝你还是早点离开。

 

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制方法。通过结合数据驱动技术与Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的数据驱动线性化建模;②提升纳米定位平台的轨迹跟踪与预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
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