考研之后

作者在2020年12月28日考研结束后写下此文。回顾567天的考研历程,走出考场时心情平静。作者读研是想深入学习计算机,不看重学校招牌。面对是否二战的问题毫不犹豫,感恩陪伴者,认为考研结果是给自己和他人的交代。

考研之后

写在考研之后

今天是2020年12月28日,考研结束的第一天,正如三天前走出图书馆奔赴考点的那一刻心中所期待的一样,我仍然坐在这个熟悉的位置。

567天前,2019年6月10日,坐在这个位置上,翻开张宇老师的高等数学18讲,从第一章极限开始,走上了考研的路。114天前,2020年9月5日,在疫情爆发之后第一次返校,重新来到这个位置,从此开始的110天,在这里,度过了1200个小时。那天抱着一整箱书离开图书馆之前,留下了这张照片。
图书馆的那个位置原以为考试结束之后一定会情绪崩溃,但走出考场的时候,只有平静、淡然和不知所措。

从来没有把读研当作一个跳板,亦不是担心找不到工作,想要读研只是认为计算机学到现在甚至算不上入门,希望有个地方能继续专注这一件事情。面对那个尴尬的问题:如果今年没考上,还会二战吗?我从来没犹豫过。包括之前选择的北京大学以及现在的中国科学院大学在内,期待的都是能够获得更好的指导和引领,至于学校的金字招牌,应该算作身外之物吧,只是附属品但不是目标本身。但愿此心于始终。

成绩就在这里了,但未来仍是未来。感谢考研路上一路陪伴的你们,在无数个疲惫迷茫的时刻,让我再次充满动力,考研的结果是给我自己的交代,但更是给你们的一份礼物,希望不会让你们失望。
留言墙

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
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