形象插画设计

本文讲述了UI设计师绘制老师形象插画的过程。设计师从不知如何下笔,到按老师模样设计,简化复杂部分,虽出现颜色不吻合的小失误,但最终通过添加代表老师的小木棍完善设计。同时强调遇到困难要虚心请教,以完善自身缺点。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

【作者:莫杨 撰写时间:2019/7/8】

形象这一类词在我们生活中无处不在,总而言之,形象就是给人的第一印象,但是作为UI设计师,形象却有很多种,形象可以分为动漫化、素描化等等,很多种,今天我设计的却是一幅老师形象的插画,如下图:
在这里插入图片描述
这张是为老师设计的插画,一开始的时候是不知道从哪里开始画起,直到我终于想出了要按照老师的模样开始设计,我回忆了一下,老师应该是这种发型,所以我就设计了,设计的时候,把复杂的部分简化了一下,然后,长发哪里我出现了一点小失误,就是颜色没有和上面的头发颜色吻合,导致观察起来这一细节会和容易被人发现,然后就是有一点瑕疵,现在说起来还是很惭愧的。
然后最后的时候,我设计好老师插画后就觉得好像少了一点什么?对,我想起来了,少了老师的特点,因为是老师,总有什么可以代表老师的,于是我就把老师的手上设计了一个小木棍,小木棍可以代表教师,教师当就是老师了,所以这一点我就设计好了,设计脸上的表情都举止互相接应,就这样我设计出了一个老师形象插画。
最后一点,我设计插画的时候遇见过很多的困难,比如:脸部表情、发型是怎样的、都是按照前辈(师兄)的意见再结合自己的想法设计的,这告诉我们,遇到不懂的要虚心请教、不耻下问,这样才能完善自身的缺点,从而快速的进步,踏上人生的阶梯。

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