乱七八糟的读书~~

看过的书很多 或许可以随便写些啥 作为记录也好.

[1]你的孤独 虽败犹荣

年纪变大了 或许还是体会着那些孤独的事情 或许这本书可以给你很多共同的思考.

[2]百年孤独

在大学同学那里拿的书,好吧.里面都是些乱七八糟的东西 ,重要的是我竟然看完了 ,唯一有印象的就是里面的情感纠葛 爱恨情仇了吧.

[3]追风筝的人

也许 你很难遇到一个 和你从小玩到大的朋友,免不了分离,如果有 请珍惜 ,无论如何不要断了联系.

没有人能陪你走完这一生,这一生都得靠你一步步走,总会有人来陪你.

[4]一个人的朝圣

坚强 或许是你现在唯一可以做的,

无论现在在做什么,重要找点事情去坚持,多尝试下未尝不是一件美事.

[5].2016-07-30 摆渡人

 看完了<摆渡人>得出一个结论,无论如何,都要勇敢,故事很新奇,讲述了女主迪伦在一场车祸中意外死亡,然后和她的摆渡人崔斯坦相遇,然后,迪伦一个人到了另一个世界,然后迪伦一个人折返回来寻找摆渡人,最终两个人竟然神奇的在一起的故事。现实中,没有人会知道死了会如何如何,唯有珍惜当下,有什么想说的话一定要说,有什么想做的事一定要去做,有什么想爱的人一定要去吃,对,要勇敢 

[6].皮囊2016-07-30 

 看完了<皮囊>,里面写了很多故事,最深刻的也能引起共鸣的竟是,关于母亲建房子的桥段,在农村建房子不是一件容易的事情,尤其是父亲并不被爷爷奶奶待见的时候,我始终记得,房子旁边那刺眼的电线杆,就是因为村里一些人的反对,老家的房子才会在我看来如此的畸形,最下面是一个猪圈,猪圈上一层是卧室,还有不太那么好用的厕所,记不清楚,房子是怎么一点点建起来的了,我想应该很不容易吧,妈是一个很好强的人,很多农活都是自己像个男人一样做的,常听她这么说,村里老一些的人也这么说过。很早就知道了生活的不易,但是父母对我都很好,基本上只要我想要的,他们都会买给我,就算家里并不富裕,原谅我当时的年少无知,然后,十多岁以后自己也很少再做农活了,想来,我一直可耻的享受着这一切,我真是一个坏孩子。未来的日子里,要做一个孝顺的人,如果哪天我想要对他们发脾气了,或许应该想想,当时,他们是怎样一遍遍教我. 


【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型与说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压和功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统分析、运行与控制工作的科研人员和工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与分析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更新自身速度与位置,并参考个体历史最优解和群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 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!
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  | 博主筛选后可见
 
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