权衡利弊,看得失

十一开学的第一节课,老师让我们讨论了请假的问题。主题就是什么样的情况能请假,什么样的情况不能请假。老师举了几个例子:

1;家里面有活需要去干

2:姐姐结婚

3:父亲生病

三种情况总体来说就是第一个一般情况不请给,第二个不请给,第三个一般是请给。

老师最后总结为一句话:权衡利弊,看得失。

其实我们想想,生活中都是处处充满了选择,选择的依据就是利弊。也就是做这件事的价值和不做这件事的价值那个比较大。我们当然是选择价值大的来做。当然这个价值不是光用金钱来衡量。也有一些道德,人生的价值。

对于今天的问题。很多的情况是没有答案的。老师在回答这次的问题时,也是用到了一般这个词。也就是这些都是不确定的。正是迎合了老师的观点,变是不变的。没有一个标准的界限。

对于这个问题。可能很多人会说。如果老师不准假,那么我们将不能怎么怎么,将失去什么什么。其实这个问题用经济学的观点看就是一个投资,付出的问题。我们做任何事情,都不要希冀说我们没有付出。你在这里学习,就不能回去干活。帮助父母。你失去了帮助父母的机会,但是得到了更多的知识,帮助父母的力量。

有人说“子欲养而亲不待”,万一……。怎么办?

这个也可以用经济学的观点去看,这个就是投资风险的问题。你选择了学习,当然要冒一定的风险,如果你想不冒一点风险就要成功,那么这样的成功也只能是小成功。

小时候看过季羡林老师的一篇文章叫“心中赋得永久的悔”,写到了季羡林老师没有机会尽孝的悔恨。作为一个儿子,季老师失败了,但是季老师成为了一代大师。投入了太多,对于季老师。也回报了很多。很难说是值不值得。

我不是在鼓励大家牺牲对父母的孝。来换取自己的名利。我们要从中找一个平衡点。做到从容尽孝!

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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