移动文件路径却不破坏org file link的方法

本文介绍了一种方法,通过自定义link函数,可以在电子书文件路径改变时,仍能自动搜索并打开相关文件,避免手动更新Orgfile中的路径,提高工作效率。

原文地址:https://www.lujun9972.win/blog/2022/06/01/移动文件路径却不破坏org-file-link的方法/index.html

我习惯在Org file中记录电子书的文件路径、阅读耗时、笔记等信息。 电子书放在统一的目录中,按照分类分子目录进行存放。

但这会带来一个问题,就是我在整理电子书时经常会在不同分类之间移动电子书,这就会破坏Org file中电子书的文件路径。

如果每次都需要手工修改文件中的链接地址的话,那就太麻烦了。好在通过自定义link,我们可以自定义搜索函数来动态搜索电子书路径,而不是写死电子书的存放路径。

方法如下:

(defvar MY-EBOOK "~/ebooks")
(defun my-search-ebook (pattern &optional _)
  (let* ((files (directory-files-recursively MY-EBOOK pattern))
         (count (length files)))
    (cond ((= count 0)
           (message "Can't found file mathcing %s" pattern))
          ((= count 1)
           (find-file (car files)))
          ((> count 1)
           (find-file (completing-read "Please pick a file: " files nil t))))))

(org-link-set-parameters "ebook"
                         :follow #'my-search-ebook
                         :help-echo (format "Open the file in %s" MY-EBOOK)
                         :face '(underline t))

这就自定义了一个 ebook 的link,访问这个 link 会自动从 MY-EBOOK 定义的目录(~/ebooks)中搜索匹配的文件并打开。

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
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