邂逅阎应元

清明节那天准备去苏州,刚好有点时间,如是在江阴的文庙去逛了逛。在看完那些个并不如教科书上平易近人的一些圣人后,准备离去。<o:p></o:p>

但是还有些时间,于是百无聊赖之时,转到了供圣人们像的大成殿的后面,远远的有三个雕像<o:p></o:p>


<o:p></o:p>

<o:p> </o:p>

并有文字记载:<o:p></o:p>

阎应元,字丽亨,北直通州人,崇祯辛巳年,赴任江阴典史。上任之初,海寇率数百艘战船进犯江阴黄田港,阎应元领兵拒守,连发三箭,皆有人应弦而倒。海寇心惊胆战,不敢再犯。后因母亲病重,全家便在江阴城外暂居。<o:p></o:p>

顺治二年(1645年),江阴降清,知县由方亨继任,颁布剃发令,遭到百姓反对。方亨见士民不从,秘密报告常州府请派兵多杀树威。这封密信被义民搜获,于是推典史陈明遇为首,正式反清。陈明遇主动请阎应元一起守城。阎应元应邀入城后,将文庙作为指挥中心抵抗清兵,使清兵多次攻城失败。亲王多铎极为震怒,他先派恭顺王孔有德率所部兵协攻, 接着又派贝勒博洛和贝勒尼堪带领满洲兵携红衣大炮前往攻城。但义军在阎应元指挥下,浴血奋战,终保江阴城池不失。摄政王多尔衮又施出软的一手,多次劝降, 阎应元誓死不从。后博洛将二百余尊大炮集中攻打东北城,义军无法防御,江阴终被攻陷了。城破之时,阎应元端坐于东城楼上提辞:八十日带发效忠,表太祖十七朝人物,十万人同心死义,为大明三百里江山。对江阴人民的抗清保卫战作了总结。清兵入城后开始屠城,江阴百姓或力战到底,或坦然就义,没有一人顺从。清军屠城两日后出榜安民,城内百姓仅剩大小53<o:p></o:p>

沧海横流方显英雄本色,在江南各地望风披靡之时,阎应元在江阴百姓的支持下,勇对强敌,临危不惧,坚持了近三个月,击杀清军数万人,阻滞了清军主力南下,推动了各地的抗清斗争。以阎应元为代表的江阴人民抗清英雄事迹,在中华民族的历史上留下了光彩夺目的一页。 <o:p></o:p>

<o:p> </o:p>

很早的以前,看过夏坚勇先生的文章,写阎应元的,当时佩服的很,多年过去,不想竟然在此地能瞻仰英雄雕像。<o:p></o:p>

<o:p> </o:p>

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
本系统采用微信小程序作为前端交互界面,结合Spring Boot与Vue.js框架实现后端服务及管理后台的构建,形成一套完整的电子商务解决方案。该系统架构支持单一商户独立运营,亦兼容多商户入驻的平台模式,具备高度的灵活性与扩展性。 在技术实现上,后端以Java语言为核心,依托Spring Boot框架提供稳定的业务逻辑处理与数据接口服务;管理后台采用Vue.js进行开发,实现了直观高效的操作界面;前端微信小程序则为用户提供了便捷的移动端购物体验。整套系统各模块间紧密协作,功能链路完整闭环,已通过严格测试与优化,符合商业应用的标准要求。 系统设计注重业务场景的全面覆盖,不仅包含商品展示、交易流程、订单处理等核心电商功能,还集成了会员管理、营销工具、数据统计等辅助模块,能够满足不同规模商户的日常运营需求。其多店铺支持机制允许平台方对入驻商户进行统一管理,同时保障各店铺在品牌展示、商品销售及客户服务方面的独立运作空间。 该解决方案强调代码结构的规范性与可维护性,遵循企业级开发标准,确保了系统的长期稳定运行与后续功能迭代的可行性。整体而言,这是一套技术选型成熟、架构清晰、功能完备且可直接投入商用的电商平台系统。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
考虑实时市场联动的电力零售商鲁棒定价策略(Matlab代码实现)内容概要:本文围绕“考虑实时市场联动的电力零售商鲁棒定价策略”展开,提出了一种基于鲁棒优化的电力零售定价模型,旨在应对电力市场中可再生能源出力不确定性及实时市场价格波动带来的风险。通过构建两阶段鲁棒优化模型,结合风光出力场景生成与负荷聚类分析,充分考虑了电力零售商在日前市场与实时市场之间的互动关系,实现了在不确定环境下的最优定价与购电决策。文中采用Matlab进行仿真验证,展示了所提策略在提升零售商利润稳定性与风险抵御能力方面的有效性。; 适合人群:具备一定电力系统基础知识和优化理论背景,熟悉Matlab编程,从事电力市场、能源管理、智能电网等相关领域研究的研究生、科研人员及行业工程师。; 使用场景及目标:①用于电力零售商在不确定性环境下制定稳健的定价与购电策略;②为电力市场风险管理、需求响应建模及新能源集成提供技术支持与仿真工具;③支撑学术研究中对鲁棒优化、场景生成、主从博弈等方法的应用与复现。; 阅读建议:建议结合文中提供的Matlab代码进行实践操作,重点关注模型构建逻辑、场景生成方法与求解算法实现,宜配合YALMIP等优化工具包进行调试与扩展,以深入理解鲁棒优化在电力市场决策中的实际应用。
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