那些曾经活跃在wm的老头,您们过得还好否~~~

TORSA 2011-06-23 07:32:15
发现这里的wm/wince问题越来越少了,回答者也越来越少了。。。。

wm从江河日下,到死无葬身之地,实在令人心寒。。。


突然放下习惯的win32,很不爽。。。工作需要,本人已转android了,您们呢??在搞wp7?
...全文
241 9 打赏 收藏 举报
写回复
用AI写文章
9 条回复
切换为时间正序
请发表友善的回复…
发表回复
Bruce_N 2011-12-14
  • 打赏
  • 举报
回复
拿分走人
CRMNet 2011-07-03
  • 打赏
  • 举报
回复
行业应用WM系统还是不少的
xinbaby 2011-06-25
  • 打赏
  • 举报
回复
虽然我不做wm 但是我已经决定了 我的那只wm手机要用到烂为止 。。。。。。。。。。。。。。
PS 我现在已经上了wp7的船
ginpq 2011-06-24
  • 打赏
  • 举报
回复
同叹息
CRMNet 2011-06-24
  • 打赏
  • 举报
回复
我老不?
世外涛缘 2011-06-23
  • 打赏
  • 举报
回复
我WP7了,要不还能干啥捏?
世外涛缘 2011-06-23
  • 打赏
  • 举报
回复
我算老头不?
最近熟悉的面孔越来越少了啊。
念茜 2011-06-23
  • 打赏
  • 举报
回复
以前搞过一小段时间wince,现在android too.
wp wm 热度不很高 有点心寒

俺不是老头 但是俺还是进来了
内容概要:本文提出并实现了一种基于Transform-KAN混合架构的电力负荷预测模型,旨在通过融合Transformer在长序列建模中的注意力机制优势与Kolmogorov-Arnold Network(KAN)在函数逼近方面的高精度非线性拟合能力,显著提升负荷预测的准确性与鲁棒性。研究系统阐述了模型的整体结构设计、输入特征工程、训练流程及关键超参数配置,并利用真实电力系统历史数据进行多步预测实验,验证了该方法在处理非线性、非平稳负荷序列时的优越性能。重点探讨了新型神经网络结构在时间序列预测任务中的创新应用,为复杂电力系统负荷的精准预估提供了有效的技术路径。; 适合人群:具备一定编程基础和机器学习知识,从事电力系统、能源管理或时间序列预测相关研究的研发人员,尤其适合工作1-3年希望深入理解前沿预测模型的技术人员。; 使用场景及目标:①应用于电网调度、能源管理系统中对未来电力负荷的精确预测;②探索Transformer与KAN等新兴神经网络模型在实际工业场景中的融合设计与实现方法;③为学术研究提供可复现的高性能负荷预测基准方案。; 阅读建议:此资源以Python代码实现为核心,强调理论与实践相结合,建议读者在学习过程中仔细研读模型架构细节,动手运行并调试代码,结合实验结果深入理解各模块的作用与优化策略,从而全面掌握该先进预测方法的设计精髓。

785

社区成员

发帖
与我相关
我的任务
社区描述
移动平台 非技术区
android小程序微信小程序 技术论坛(原bbs)
社区管理员
  • 非技术区社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧