苏嵌项目实战 学习日志1

苏嵌项目实战 学习日志1

姓名:吴谋升  日期:20180903

今日学习任务

搭建嵌入式开发环境。

学习C语言指针知识。

日任务完成情况

(详细说明本日任务是否按计划完成,

 开发的代码量)

完成了嵌入式开发环境的搭建。

学习了C语言的指针知识。编写了指针的相关函数。

日开发中出现的问题汇总

c语言指针与数组的内容概念不清晰,c语言语法不熟练,导致经常出现语法错误。

日未解决问题

指针的知识点还是有点模糊。

日开发收获

学习了C语言指针知识以及相关函数的编写。

自我评

(是否按开发规范完成既定任务,

 需要改进的地方,与他人合作效果等)

基本完成任务,课后仍需继续努力。

其他

今日作业如下:
#include <stdio.h>
char *mystrcat(char *dest, const char *src)
{
    char *address_temp = dest;
    while (*dest != '\0')
    {
    	dest ++;
	}
    //while ( (*dest++ = *src++) != '\0');
    while ( *src != '\0')
    {
    	*dest = *src;
    	dest ++;
    	src ++;
		//*dest++ = *src++;
	}
    return address_temp;
}
int main(void)
{
    char str1[64]= "hello";
    printf("str1: %s\n",str1);
    char str2[64]= "world";
    printf("str2: %s\n",str2);
    mystrcat(str1,str2);
    printf("mystrcat(str1,str2): %s\n",mystrcat(str1,str2));
    printf("str1: %s\n",str1);
    return 0;
}

运行结果如下:

内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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