无名山丘 崛起为峰

时间总是很快,不知觉已然大二。

大学生涯里总是很盲目,不知道自己的职业方向,也更未深虑过未来的样子。人云亦云的近两年,最近一段时间终于有些参悟,听取了一些知乎回答的建议,下载了牛客软件,看到里面的各种面经,试着回答里面的闻所未闻的知识,被各种爆锤,才恍然悟觉,原来自己什么都没有学到。在大一的时候,学了一学期的java,可是到现在只是记得那些语法而已,那些面向对象的特性,集合框架,并发根本没领悟《事实上老师也没讲多少》,更别说web,jvm的相关知识了。因为知道python的简洁,于是在大二上的时候也尝试过一些python相关的学习,比如爬虫,寒假里面也了解过一些机器学习的知识。然哦,都是浅尝辄止,知识学的七零八碎,不成系统。

最近,一直在思考自己未来职业的方向,和以前出现的学习问题。最后决定投身于Java方向,不能再简单的做一个知识输入者,只有输入的同时并输出知识,才能真正地领会所学。输出知识,决定从写博客开始,并做一些小项目练手。

已看到的面经而言,大致总结了一下其中的知识框架:

  1. Java语法基础   
  2. java语言特性 
  3.  集合框架 
  4.  Jvm虚拟机 
  5.   Web
  6.   设计模式
  7.   SSH开发框架 
  8.  计算机基础 
  9.  数据结构算法 

在大三的时候想去准备一波秋招实习,算下来只有四个月的时间,所以时间已经算起来已经真的很紧张,加油吧!同时间赛跑的感觉,在我眼里实在比那些小确幸要有意义的多,活着的意义就在于挑战自己。为了未来,一克索!!!

人若无名 专心练剑 

 


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