接着MJ吧

想想什么时候,把在自己生命历程中每一个男人都写下来,哈。突然有了种心老的感觉,只有老人,才会写回忆录。而我却是因为害怕,随着时间的流逝,我会忘了这么鲜为人知的细节。想想,也是很有乐趣的一件事情。青葱岁月,也曾挥动过我们的青春。有一个,孩子问起,妈妈,你知道虾米是爱情时,我也可以很自豪地说,小样,老子谈情说爱时,你的胚胎都还在火星呢。

先说说CT吧,应他的要求。虽然说这是不武器的排名谱,或许出场的先后,还是反应了他曾经在我心中的重要性吧。如果说,QL可以作为同舟共济的朋友,那CT一定就是曾经很久时间在我心底,可以停泊的港湾。相信他,发自内心地信任,去信任一个素未谋面的男人,当时,曾经引起了我身边所有的同学,朋友的反对。因为他,我还和FJ走在一起,当然不能说全是因为他,但是大半吧。欣赏他,博学,联慧,无所不知,哪怕有所不知时,他也能在第一时间内迅速地找到答案。这点一直让我很汗颜。在我身上,可能最缺少的也是这种精神吧。我曾经这样和挚友形容他,他肯定会是一种活的百科全书,内存的发展一定会是世面上最高级的配适。说这些,并不是因为要把这文章给他看。而是一直以来,他都希望我能给个真实的评价,而我却时常无从下手。我自栩是一个聪明的女孩,也从不避晦自己对聪明男人的欣赏。他应当是很彻底地征服了我。我们彼此在很长的时间里,相互欣赏,交流,以至于在某些事件的看法上,说话的语句上,我们能够不点即通。其实这些都不是最重要的。我一直觉得他是一个很踏实,稳重,可以完全托付的男人。直到今年年初吧。我没有想到这件事给我带来的影响这么深远,严重的打击了我对他,或者一个很大群体的信任。其实一切也都在意料之中,都还是引起了我很大的反应。而当时,最搞笑的莫过于,我居然很本能地打电话给冯驰。估计他都要昏过去了。至少哭了半个小时吧,那个悲壮,的确很是搞笑,自己想起,也不得不乱笑一通。不知道FC是怎么想的。估计也是气得半死吧。当然,估计他兴灾乐祸的可能性会大很多很多。我没有想到,这件事,居然对我的信任体系产生了破坏性的影响。我没有死心,我时常开着MSN等他上线,然后又像个枯老的老人,去翻阅他留给我的文字。肉麻呀,真是肉麻,都不知道那么些矫情的东西,居然出自于我手。如果贴到BBS上去,会不会也像徐志摩一样成名呀,HIAHIA。

回忆都是很美好的。可是现在,我觉得我和他的观点差距实在太大了。或许是因为彼此的生活环境产生了很大的变化。我一直生活在一个饵虞我诈的环境时,而他,在异一个国度,另一种生活,产生差别的可能当然也是很大的。我们彼此的职业也让我们产生了距离。突然他离我很远,很远。或许我们内心都还存在着爱慕,但我们真的无力去爱,也无法共同生活。他愈发刻薄,尖锐,还有几分,我说不出来的东西,让我觉得很难受。好抬杠,与人争论对错与是非,凡事,都想要个结果。一句很简单的话语,他一定要论证出个结果,不惜用大量的时间和方法来阐述。是,求学问时应当如此,可是带入生活中,让我觉得太累了。我已经不好这个了。也不想用脑子去想这些问题。不知道我们还能走多远,还能像老朋友一样相互问候,真诚地关心么。先留个记号,把问题交给时间吧。

Q = np.zeros((n,N)) # MbitsW数据队列矩阵 Y = np.zeros((n,N)) # mJ的虚拟能量队列,用于存储初始化为零的二维数值数据 Obj = np.zeros(n) # 在解决问题26之后的目标值,初始化为零 energy = np.zeros((n,N)) # 能源消耗数组矩阵 rate = np.zeros((n,N)) # 实现的计算速率 for i in range(n): if i % (n//10) == 0: print("%0.1f"%(i/n))#每当完成总任务的10%输出 if i> 0 and i % Delta == 0: # 索引从零开始计数 if Delta > 1: max_k = max(np.array(k_idx_his[-Delta:-1])%K) +1 else: max_k = k_idx_his[-1] +1 K = min(max_k +1, N)#根据历史记录动态调整K的值,以使其能够适应数据流的变化。如果数据流的变化比较平稳,则K的值不会经常变化,这样可以避免频繁的参数更新。如果数据流的变化比较剧烈,则K的值会相应地进行调整,以更好地适应新的数据分布 i_idx = i # 实时信道生成 h_tmp = racian_mec(h0,0.3)#使用Rician衰落模型后的增益值 # 将h0增长到1,以便更好的训练; 这是深度学习中广泛采用的一种技巧 h = h_tmp*CHFACT channel[i,:] = h #变量h_tmp乘以常数CHFACT,然后将结果存储到变量h中。接着,将h赋值给二维数组channel的第i行,获取信道增益值 # 实时到达生成 dataA[i,:] = np.random.exponential(arrival_lambda) # 4) LyDROO的排队模型 if i_idx > 0: # 更新队列 Q[i_idx,:] = Q[i_idx-1,:] + dataA[i_idx-1,:] - rate[i_idx-1,:] # 当前队列 # 由于浮点错误,断言Q是正的 Q[i_idx,Q[i_idx,:]<0] =0 Y[i_idx,:] = np.maximum(Y[i_idx-1,:] + (energy[i_idx-1,:]- energy_thresh)*nu,0) # 当前能量队列 # 由于浮点错误,断言Y是正的 Y[i_idx,Y[i_idx,:]<0] =0#防止浮点错误 # 缩放Q和Y到接近1;深度学习技巧 nn_input =np.concatenate( (h, Q[i_idx,:]/10000,Y[i_idx,:]/10000)) # Actor module m_list = mem.decode(nn_input, K, decoder_mode),修改算法使算法不考虑队伍积压问题
05-24
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