第四次团队作业

这个作业属于哪个课程

<课程的链接>

这个作业要求在哪里

<作业要求的链接>

团队名称

做个一亿的小项目

这个作业的目标

完成团队项目的Alpha版本的测试与发布

 

 

 

 

 

 

 

 

 

 

1.团队成员:

姓名

学号

李文毅(组长)

201731062208

李毅

201731062133

江镇岐

201731062210

谢仁峻

201731062209

黄杰辉

201731062223

卿梦成

201731062215

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2. “趣英语”APP下载安装说明

我们这款产品是一个手机APP,用户只需下载我们提供的APK文件安装在手机上即可使用。

链接:https://pan.baidu.com/s/19XdLP5OoJjfupsgw6zGc_Q
提取码:wdd7
复制这段内容后打开百度网盘手机App,操作更方便哦(目前不支持无提取码的方式)

 二维码下载:(微信扫一扫即可获取文件)

 

3. α版本测试报告

3.1测试找出的Bug

姓名

Bug

Bug类别

李毅

1.方面轮盘转动过快,蛇会直接死亡

已修复

2.游戏刚进入会卡顿

已修复

谢仁峻

1.食物生成位置错误

已修复

2.方向轮盘只能控制四个方向

不是Bug,就是这样设计的

江镇岐

1.按下暂停键后,蛇不会在暂停

已修复

2.字母位置刷到蛇头

已修复

李文毅

1.蛇有时会穿过空气墙

已修复

2.字母不能控制是否刷新

已修复

黄杰辉

1.词组不会刷新

已修复

2.蛇吃完一个单词后,可能会立马撞到重新生成的单词导致死亡

已修复

 

卿梦成

1.操作轮盘区域很小,手指超出范围就会失控

因为界面原因不打算修复

2.用户界面的许多按钮设置不合理,作为用户来说操作比较困难

已修复

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

3.2场景测试

3.2.1场景描述

①组员开始游戏,观察蛇会在哪些情况下死亡

②组员观察蛇在成功吃完一组单词和失败之后各会发生什么

③组员重复游戏,看在哪些地方会出现未发生过的问题

 3.2.2测试截图

主界面 

 

学习模式

 

 

 

 

挑战模式

 

 

3.3测试矩阵

测试功能

测试项

检验点

预期产生结果

安卓系统8.0及以上

Windows10手机模拟器

界面功能

主界面

“学习模式”按钮

进入学习模式

“挑战模式”按钮

进入挑战模式

游戏界面

“暂停”按钮

游戏暂停

“主界面”按钮

回到主界面

“停止”按钮

退出游戏

任务失败界面

“退出程序”按钮

退出程序

“下一组词”按钮

重新刷新一组单词

“主界面”按钮

回到主界面

“重新开始”按钮

重新开始

游戏功能

玩游戏

方向控制

蛇能够正确根据手势变换方向

游戏成功

完成当前词组学习,进入下一组单词

游戏失败

弹出“游戏失败”界面

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

3.4体会总结

3.4.1整体感受

整体来说每个人在自己的手机上操作了我们的APP之后还是发现了许多问题的,有共同发现的也有单独发现的问题。在我们汇总这些问题的时候,因为我们团队此次项目采用的是“主治医师”模式,所以大家开始的时候其实还是很困惑的。经过这次测试我们每个人也更了解当前版本了,也为下个β版本打好了基础。

3.4.2个人总结

李毅:我们在设计时,很多小细节都没有考虑到,在实际使用后才发现那些bug,在修复这些bug时,有时又会引发新的bug。另外,在我们设计者看来,有的问题可能不是bug,但在一般的使用者眼中却是bug

黄杰辉:刚开始的时候 组员做了其他的测试,我着手做的时候,感觉很流畅,但是测试了几次就发现,当吃完第一个单词的时候,第二个单词刷新出来的字母就就在蛇头的当前位置,然后就死亡了,用户体验感不佳。后来,就让蛇头的周围两格不随机产生字母。

江镇岐:我在测试游戏时,中途暂停游戏去解决别的事情,回头却发现游戏失败,蛇的位置也产生了变化,因此判断是暂停后蛇未停止移动。另外,在游戏刚开始时偶尔出现蛇突然死亡的情况,猜测是字母刷新到了蛇头的位置,尝试更改之后成功修复。

李文毅:在我们根据我们的构想做出了产品之后,实际上是存在着许多问题的,我们需要在未发布它之前,找到这款产品所存在的问题,这也就是Alpha测试的意义所在吧,我们在使用它的过程中也确实发现了很多问题,但肯定还有我们未发现的问题,所以测试还是要继续进行下去的。目前做出来的Alpha版本在我们看来或许没有太大问题了,但我觉得让其他用户来使用一定会发现问题的。

卿梦成:刘海屏会挡到部分字母,影响用户体验,可能不适合刘海屏玩家使用。一开始速度有些快,死的可能会太快了,影响用户的体验,在之后调整了速度,使得用户体验变好。

谢仁峻:测试的时候仔细一点。

4. 项目情况总结

4.1α版本已完成的内容

在完成了需求分析的答辩之后,我们根据老师提出的建议作出了修改,并在之后的几周完成了新的软件的功能。现在已经有一个可以让用户使用的版本了。

4.2α版本未完成的内容

现在还没有小组外的用户来使用我们的产品,所以肯定还是存在着一些Bug和一些设计问题。

4.3β版本的展望

争取能够让更多的同学来使用我们的产品,提出里面的好的地方和不足,让我们能够真正了解大家想要的产品是什么样子的。在第15周有同学用了产品之后我们根据得到的反馈对产品做出修改。希望最后我们能够做出更好的产品。

计划:

  •  在6月11号大家体验完产品后,江镇岐整理收集到的反馈信息
  • 江镇岐、李毅、卿梦成提出修改方案以及界面优化
  • 谢仁峻、李文毅、黄杰辉负责代码实现
  • 最后做完之后,再召集团队人员进行使用再次提出不足
  • 在一周之类能够完成下一个版本

转载于:https://www.cnblogs.com/lwy276701865/p/10987636.html

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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