8月22日学习总结

昨天除了收收线段树的尾,然后就是刷了一些思维题与简单的算法题。

昨天我感觉我进步最大的是认识到了自己在团队合作的很多问题。

1.出思维题的速度以及准确率。思维题是谁都可以做出来的,关键是谁可以做得快,一发就过,在这一方面,我敲代码的速度就比较慢,并且老是出一些小问题还得改bug,所以如果我不能很快一发过的话,就要考虑一下换人。这证明自己代码实现的能力太弱啦,所以自己平时要注意不能眼高手低,代码要自己亲自敲过才会熟练。

2.要提高自己读题的能力,团队讲究的配合,队友在做题,自己可以给他们读题为他们节省时间。读题也是很重要的一件事,题意都读不懂,那就不用想着用什么方法去解决啦。薇薇也说了,不管怎样,一场比赛下来,要保证所有题都读过一遍,判断是否是自己的水平可以做出来的。

3.要讲究好配合,不能一个团队个人去封闭做自己的,另外两名队友在这方面就配合的很好,以至于很多偏难点的题目两人的思路结合想想就可以做出来。

综上,我对自己在团队的工作要加强训练:首先加强自己读题的能力,比赛场上不会有谷歌翻译陪着我,只能靠自己。要多见题目,多读题目,无论什么能力都是学习训练得来的。

其次,要加强自己的思维能力,读懂题意后要能很快滴想出大概思路,然后跟队友交流再讨论对不对,怎么做,敲定完成后再队友敲代码(她敲得快啊)这个更需要多看题,多见题,这样才会翻译出题后很快滴反应到底是什么方面的算法题,应该用什么知识点去解决。

最后,不论自己在干什么,有什么想法,都要主动和队友多交流,因为最近越来越发现,很多题都不是一个人直接做出来的,都是靠的配合做出来的。比赛不在乎自己出的题多少,关键是自己出了那份力,让整个队出题的多,快。

好吧,大概就是这样,以后一定要改正。

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
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