404 Note Found 队-Alpha9

团队在Alpha版本开发中,完成了语音识别、壁纸预览等功能,实现了图文混排,并解决了前端与后端对接的问题。成员们在实践中加深了对前后端交互、Android开发及服务端搭建的理解。

队名:404 Note Found

组长博客:https://www.cnblogs.com/heihuifei/p/10033941.html

作业博客:https://edu.cnblogs.com/campus/fzu/Grade2016SE/homework/2372

组员情况

组员1(组长):胡绪佩

过去两天完成了哪些任务

描述:

  1. 前端代码完成了基本的整合
  2. 基本完成与后端的对接
  3. Alpha版本初步完成
  4. 自己负责的主页面和删除界面的基本完成

展示GitHub当日代码/文档签入记录:

1093650-20181128184447655-1926600182.png

接下来的计划:

  1. 对界面进行微调
  2. 好好复习考试
  3. 准备Alpha版本答辩展示

还剩下哪些任务:

  1. 对前端页面的调整
  2. 准备Alpha版本答辩展示

燃尽图:

1093650-20181128184625958-1991634495.png
1093650-20181128184652609-1553188070.png

有哪些困难:

  1. 合并时出现了很多问题
  2. 存在分工的不合理性
  3. 前端细节还有待改进

有哪些收获和疑问

  1. 对前后端之间的交接有了更深的体会
  2. 对前端有了更深的理解
  3. 学会了很多前端知识
  4. 对做一个项目有了比较深入的认识
  5. 获得临时项目经理的经验
  6. 考试来临,所以我选择了在今天就将Alpha版本结束让大家好好复习考试。做项目者——退队奖励

组员2:胡青元

过去两天完成了哪些任务

描述:

  1. 前端代码完成了基本的整合
  2. 基本完成与后端的对接

展示GitHub当日代码/文档签入记录:

暂无

接下来的计划:

  1. 对界面进行微调

还剩下哪些任务:

  1. 对前端页面的调整

燃尽图:

共享

有哪些困难:

  1. 合并时出现了很多问题

有哪些收获和疑问

  1. 对前后端之间的交接有了更深的体会
  2. 对前端有了更深的理解

组员3:庄卉

过去两天完成了哪些任务

描述:

  1. 协助对接整合

展示GitHub当日代码/文档签入记录:

暂无

接下来的计划:

  1. 复习
    还剩下哪些任务:
  2. 等beta版本再说吧

燃尽图:

共享

有哪些困难:

  1. 时间不够用

有哪些收获和疑问

组员4:家灿

过去两天完成了哪些任务

描述:

  1. 数据库的接口完善(用户相关信息的返回,关于备忘录周期性的实现)
  2. 服务器搭建的学习

展示GitHub当日代码/文档签入记录:

暂无

接下来的计划:

  1. 进行服务器的搭建
  2. servlet结构和使用的知识

还剩下哪些任务:

  1. 云端备份
  2. 跟前端对接
  3. 跟算法对接

燃尽图:

团队共享

有哪些困难:

  1. Java代码的熟悉long数值运算的时候出现溢出
  2. 服务器实现过程不熟悉

有哪些收获和疑问

  1. servlet结构和使用的知识
  2. 还有就是隐藏域,uml重写和cookie的学习
  3. Android服务器的基础了解

组员5:凯琳

过去两天完成了哪些任务

描述:

  1. 前端代码完成壁纸预览

展示GitHub当日代码/文档签入记录:

暂无

接下来的计划:

  1. 完成界面生成壁纸功能
  2. 学习生成图片功能

还剩下哪些任务:

  1. 完成界面生成壁纸功能
  2. 学习生成图片功能
  3. 学习隐藏按钮的操作,争取将截图页面做的更好

燃尽图:

共享

有哪些困难:

  1. 预览界面点击的时候发生闪退
  2. 生成壁纸功能做法不明

有哪些收获和疑问

  1. 对前端有了更深的理解
  2. 在做任务之前要把所有任务都写下来安排上不会太突兀。
  3. 临近考试,决定全力复习。

组员6:翟丹丹

过去两天完成了哪些任务

描述:

  1. 实现对Switch按钮的监控
  2. 将数据返回后端,与后端进行对接

展示GitHub当日代码/文档签入记录:
暂无

接下来的计划:

  1. 完成视频制作,对记忆罐头功能进行视频介绍。

还剩下哪些任务:

  1. 完成视频制作,对记忆罐头功能进行视频介绍

燃尽图:

共享

有哪些困难:

1.监听Spinner按钮时,适配器的使用。
2.后端对接还在学习中,问题略多。

有哪些收获和疑问

  1. 开始接触后端对接方面的知识。
  2. 对前端有了更深的认识。

组员7:何家伟

过去两天完成了哪些任务

描述:

  1. 完成alpha版本任务

展示GitHub当日代码/文档签入记录:

接下来的计划:

  1. 准备考试

还剩下哪些任务:

  1. beta版本

燃尽图:

团队共享

有哪些困难:

  1. 第一次对接有很多小问题

有哪些收获和疑问

  1. 对Android的service有了一定掌握

组员8:政演

过去两天完成了哪些任务

描述:

展示GitHub当日代码/文档签入记录:

文档撰写。

接下来的计划:

  1. 帮助相关审查

还剩下哪些任务:

  1. 准备考试

燃尽图:

团队共享

有哪些困难:

有哪些收获和疑问

  1. 准备考试

组员9:黄鸿杰

过去两天完成了哪些任务

描述:

  1. 初步实现用户行为分析功能

展示GitHub当日代码/文档签入记录:
1476119-20181128183907894-906950642.png

接下来的计划:

  1. 准备考试

还剩下哪些任务:

  1. 几个功能的进一步优化

燃尽图:
//此处放图

有哪些困难:

  1. 可能需要了解android中service的相关内容

有哪些收获和疑问

  1. 查看用户app使用情况及notification的简单设置

组员10:刘一好

过去两天完成了哪些任务

描述:

  1. 对悬浮窗口的更新,减少了两个bug

主页面
1473324-20181122182124188-109343691.jpg

语音识别窗口
1473324-20181122182134959-1791347790.jpg

展示GitHub当日代码/文档签入记录:

团队共享

接下来的计划:

  1. 实现悬浮窗跳转
  2. 实现悬浮窗口的吸附功能

还剩下哪些任务:

  1. 将悬浮窗集成到团队项目中

燃尽图:

团队共享

有哪些困难:

  1. 没有安卓控件内容的基础

有哪些收获和疑问

收获:懂得了windowsmanager和service的功能
疑问:能否找到有关悬浮窗口跳转的代码

组员11:何宇恒

过去两天完成了哪些任务

描述:

  1. 尝试实现图文混插入,尝试成功

展示GitHub当日代码/文档签入记录:

暂无

接下来的计划:

  1. 实现与其他页面的跳转,以及数据传输

还剩下哪些任务:
1.无

燃尽图:

共享

有哪些困难:
单独页面可以很好的实现对应功能,但是在对接时遇到乱码

有哪些收获和疑问
收获:大致完成自己的任务真的收获很多

疑问:如何进一步改进

展示组内最新成果

描述一:
语音识别功能完成

1092889-20181122192529302-959930263.jpg

描述二:
语音识别界面

1473324-20181115224411138-56031926.jpg

描述三:
语音测试

1473324-20181115224447263-159587516.jpg

描述四:
语音识别结果为测试测试

1473324-20181115224514784-457125416.jpg

团队签入记录

1092889-20181128201634039-221114825.png

燃尽图

1093650-20181128184625958-1991634495.png
1093650-20181128184652609-1553188070.png

站立会议合照

1093650-20181128225606611-449344128.png

两个队员临时先回宿舍辽,通电话连线。

会议耗时记录(每次追加记录)

第N次会议耗时(分钟)
114
28
39
413
510
69
710
87
98

个人PSP

PSP2.1header 2预估耗时(分钟)实际耗时(分钟)
Planning计划5030
· Estimate·估计这个任务需要多少时间2030
Development开发150120
· Analysis需求分析(包括学习新技术)6060
· Design Spec· 生成设计文档00
· Design Review· 设计复审00
· Coding Standard· 代码规范 (为目前的开发制定合适的规范)00
· Design· 具体设计8050
· Coding· 具体编码1020
· Code Review· 代码复审00
· Test·测试(自我测试,修改代码,提交修改)00
Reporting报告1010
· Test Repor· 测试报告00
· Size Measurement· 计算工作量00
· Postmortem & Process Improvement Plan· 事后总结, 并提出过程改进计划2020
合计260300

个人学习进度条

第N周新增代码(行)累计代码(行)本周学习耗时(小时)累计学习耗时(小时)重要成长
10055阅读《构建之法》,重点了解了 NABCD 模型
2001015找到了适合团队的原型工具,以及如何并行操作
3686866python字符处理复习、爬虫学习
478146713java爬虫学习
5194340619单元测试设计
603401029需求报告撰写
70340534Alpha博客撰写
70340337Alpha2博客审查
70340340Alpha3博客审查
70340242Alpha4博客撰写
7503901052构思了随机算法、附加功能算法和具体思路,完成撰写叙述
70340254Alpha5博客撰写
80340256Alpha6博客撰写
80340258Alpha7博客撰写
80340260Alpha8博客撰写
80340262Alpha9博客撰写

转载于:https://www.cnblogs.com/vancasola/p/10034340.html

### Baum-Welch Algorithm Implementation in MATLAB The Baum-Welch algorithm is a special case of the EM (Expectation-Maximization) algorithm used to learn parameters for Hidden Markov Models (HMMs). This non-supervised learning technique iteratively refines estimates until convergence or after a specified number of iterations. Below lies an explanation along with code snippets demonstrating how one might implement this within MATLAB. #### Single Iteration Example Code For clarity, consider starting by implementing just one iteration of the Baum-Welch process: ```matlab function [A,B,pi] = baum_welch_single_iteration(Observations,N,M,A,B,pi) % Observations: Sequence of observations. % N: Number of hidden states. % M: Size of observation symbol alphabet. % A: Transition probability matrix between hidden states. % B: Emission probabilities given each state. % pi: Initial distribution over hidden states. T = length(Observations); alpha = forward_algorithm(Observations,T,N,A,B,pi); % Compute alphas using Forward Algorithm beta = backward_algorithm(Observations,T,N,A,B); % Compute betas using Backward Algorithm xi_sum = zeros(N,N,T-1); gamma = zeros(N,T); for t=1:T-1 denom = sum(sum(xi(:,:,t))); for i=1:N for j=1:N xi(i,j,t)=alpha(t,i)*A(i,j)*B(j,Observations(t+1))*beta(t+1,j)/denom; if t>0 gamma(i,t)=gamma(i,t)+xi(i,j,t); end end end end gamma(:,T)=(alpha(T,:)).&#39;; % Update model parameters based on computed Gamma and Xi matrices ... end ``` This function computes `Gamma` and `Xi`, which are essential components required during both expectation steps as well as maximization phases when updating transition (`A`) and emission (`B`) probabilities alongside initial state distributions (`pi`). Note that actual updates have been omitted here but should follow standard formulas found elsewhere regarding HMM training procedures[^1]. #### Multiple Iterations Example Code To extend beyond single-pass refinement into multiple rounds, wrap above logic inside another loop structure while checking stopping criteria such as maximum allowed epochs reached or minimal change detected across consecutive passes through data points provided: ```matlab % Initialize variables... for epoch=1:max_epochs prev_A=A;prev_B=B;prev_pi=pi; [~,~,new_A,new_B,new_pi]=baum_welch_single_iteration(...); diff=sum(abs(new_A(:)-prev_pi(:))); if(diff<threshold || epoch==max_epochs) break; else A=new_A;B=new_B;pi=new_pi; end end ``` In practice, users may wish to add more sophisticated checks like monitoring log likelihood changes instead of raw differences among successive sets of estimated parameters. Additionally, incorporating cross-validation techniques could help prevent potential issues related to overfitting observed sequences against learned models. --related questions-- 1. What modifications would be necessary to adapt these algorithms for continuous rather than discrete emissions? 2. How does adding pseudocounts affect performance metrics associated with trained HMM instances derived via Baum-Welch optimization routines? 3. Can you provide examples where applying Viterbi decoding yields better results compared to straightforward application of Forward algorithm alone? 4. Are there alternative approaches available besides Baum-Welch for estimating unknown HMM parameters without labeled datasets? 5. In what scenarios might parallel processing offer significant speedups when executing large-scale implementations involving numerous sequential records?
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