碎片化笔记

**重点看:**民生、教育、医疗、养老、住房、食品药品安全、生态环保、文化、放管服改革、精准扶贫和乡村振兴等。

每篇时评文章要从粗到细看4遍,就像拍电影,先远镜头拍个轮廓,再慢慢拉近,拍细节。

阅读前,要准备好本子和笔,边看边写。

**第1次:**看大概,从头到尾浏览,了解文章基本内容。

**第2次:**看结构,提炼思维导图,写在本子上;

**第3次:**看段落,分析独特、可借鉴的论据和论证方法,标注在思维导图上。

**第4次:**看语句,摘抄万能句和文采句。

江鸣百技斩 B站

学申论——粉笔李梦圆

专业目录
http://gwy.rst.fujian.gov.cn/policy/specialtylist2021.htm
五、理学、工学大类
计算机科学与技术类 53. 计算机软件技术类

学习的苦你不主动可能吃不到,但是生活的苦你不主动他可是会来找你的

20言语模块
21资料模块
套题

青黄不接:指陈粮已经吃完,新粮还未成熟,口粮接续不上
各执一端:意思是各自坚持自己的观点或道理
集聚:指集合、聚合,多与人搭配
汇聚精神力量
掌故:指历史上的人物事迹、制度沿革等
差强人意:形容尚能令人满意(还是满意的)
大而化之:形容做事情不够谨慎,疏忽大意。 近义:粗枝大叶

省考
常识 20
言语 40 35分钟内
数量 10
判断 35 35分钟内
资料 15 20分钟
总 120

此外,还应充分发挥家庭、社会组织、专家学者、志愿者等各方力量,促进形成全社会共同关心支持少先队工作的良好局面。

实践证明,文艺只有植根现实生活、紧跟时代潮流,才能发展繁荣;只有顺应人民意愿、反映人民关切,才能充满活力。

使用优算法,以优VMD算法的惩罚因子惩罚因子 (α) 和分解层数 (K)。 1、将量子粒子群优(QPSO)算法与变分模态分解(VMD)算法结合 VMD算法背景: VMD算法是一种自适应信号分解算法,主要用于分解信号为不同频率带宽的模态。 VMD的关键参数包括: 惩罚因子 α:控制带宽的限制。 分解层数 K:决定分解出的模态数。 QPSO算法背景: 量子粒子群优(QPSO)是一种基于粒子群优(PSO)的一种改进算法,通过量子行为模型增强全局搜索能力。 QPSO通过粒子的量子行为使其在搜索空间中不受位置限制,从而提高算法的收敛速度与全局优能力。 任务: 使用QPSO优VMD中的惩罚因子 α 和分解层数 K,以获得信号分解的最佳效果。 计划: 定义适应度函数:适应度函数根据VMD分解的效果来定义,通常使用重构信号的误差(例如均方误差、交叉熵等)来衡量分解的质量。 初始QPSO粒子:定义粒子的位置和速度,表示 α 和 K 两个参数。初始时需要在一个合理的范围内为每个粒子分配初始位置。 执行VMD分解:对每一组 α 和 K 参数,运行VMD算法分解信号。 更新QPSO粒子:使用QPSO算法更新粒子的状态,根据适应度函数调整粒子的搜索方向和位置。 迭代求解:重复QPSO的粒子更新步骤,直到满足终止条件(如适应度函数达到设定阈值,或最大迭代次数)。 输出优结果:最终,QPSO算法会返回一个优的 α 和 K,从而使VMD分解效果最佳。 2、将极光粒子(PLO)算法与变分模态分解(VMD)算法结合 PLO的优点与适用性 强大的全局搜索能力:PLO通过模拟极光粒子的运动,能够更高效地探索复杂的多峰优问题,避免陷入局部最优。 鲁棒性强:PLO在面对高维、多模态问题时有较好的适应性,因此适合海上风电时间序列这种非线性、多噪声的数据。 应用场景:PLO适合用于优VMD参数(α 和 K),并将其用于风电时间序列的预测任务。 进一步优的建议 a. 实现更细致的PLO更新策略,优极光粒子的运动模型。 b. 将PLO优后的VMD应用于真实的海上风电数据,结合LSTM或XGBoost等模型进行风电功率预测。
评论 3
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