JSLab带你进入WEB APP的世界

dh20156 2011-08-31 06:47:09
加精
呼,标题党一下,很久没来了,冒个泡,散点分,不过纯散分肯定要违规了,还是顺带提点技术话题吧。^_^

之前几个站点因为备案被注销就一直停掉了,最近才重新开始整理,首先将平时常用的 JSLab.org.cn 重构了一下,使他成为支持IOS设备的WEB APP。

JSLab在这次重构中主要添加了离线应用这个功能:

离线使用;
本地数据;
数据更新;
数据同步;

在效果上主要通过CSS3的一些特性,如圆角,渐变等使外观看起来更符合一个IOS的APP界面。

滑动效果主要是CSS3里的transition来处理的。

更多细节,可以直接查看源文件进行阅读。



贴一个WINTER同学写的翻书效果:http://www.jslab.org.cn/?tag=book
...全文
3899 76 打赏 收藏 转发到动态 举报
写回复
用AI写文章
76 条回复
切换为时间正序
请发表友善的回复…
发表回复
「已注销」 2012-10-30
  • 打赏
  • 举报
回复
带走了。
javahailangL 2011-09-07
  • 打赏
  • 举报
回复
学习了
挨踢直男 2011-09-06
  • 打赏
  • 举报
回复
版主是牛人
a303594835 2011-09-06
  • 打赏
  • 举报
回复
DDDD
accp_duwei 2011-09-05
  • 打赏
  • 举报
回复
总感觉,不是很实用
dh20156 2011-09-05
  • 打赏
  • 举报
回复
[Quote=引用 58 楼 cuixiping 的回复:]

支持,建议增加代码高亮,并赞同zswang的建议增加搜索功能
[/Quote]

搜索功能已添加,在右边的codename中输入,左边会即时匹配结果!^_^
student_sw 2011-09-05
  • 打赏
  • 举报
回复
要学的太多太杂啊,要疯了。。。
ywj406307402 2011-09-03
  • 打赏
  • 举报
回复
我是来膜拜+学习+接分 滴
kenkenchong 2011-09-03
  • 打赏
  • 举报
回复
不错 好东西!接分了~~
TURSUN111 2011-09-02
  • 打赏
  • 举报
回复
这个网站下载东西太麻烦了呀
lz524 2011-09-02
  • 打赏
  • 举报
回复
Mark,学习
cuixiping 2011-09-02
  • 打赏
  • 举报
回复
支持,建议增加代码高亮,并赞同zswang的建议增加搜索功能
软考找老孙 2011-09-02
  • 打赏
  • 举报
回复
我是来膜拜+学习+接分 滴
ieagle77 2011-09-02
  • 打赏
  • 举报
回复
入门菜鸟,仰望学习!
digli 2011-09-02
  • 打赏
  • 举报
回复
长见识了,,,
「已注销」 2011-09-02
  • 打赏
  • 举报
回复
重构好呀,给大家介绍下你的经验嘛。
yj258213056 2011-09-02
  • 打赏
  • 举报
回复
收藏了,,学习,,
peakcary 2011-09-02
  • 打赏
  • 举报
回复
研究一下
freejanker 2011-09-02
  • 打赏
  • 举报
回复
不错。先接分。
JAVIYLEE 2011-09-02
  • 打赏
  • 举报
回复
好吧 我承认 楼主的头像似曾相识!!!
加载更多回复(48)
内容概要:本文围绕基于Basisformer模型的时间序列锂离子电池SOC(State of Charge,荷电状态)预测展开研究,利用PyTorch框架实现深度学习模型的构建与训练。通过将历史充放电数据作为输入,Basisformer能够有效捕捉电池状态的动态变化特征,提升SOC预测精度。文中详细介绍了模型结构设计、数据预处理流程、训练策略及实验结果分析,并与传统方法进行对比,验证了该方法在复杂工况下的优越性与鲁棒性。该研究不仅展示了Basisformer在时序建模中的潜力,也为电池管理系统提供了高精度的状态估计解决方案。; 适合人群:具备一定Python编程基础和深度学习理论知识,熟悉PyTorch框架,从事电池管理系统、新能源汽车或智能预测方向研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于电动汽车、储能系统等领域的电池SOC高精度实时估算;②为电池健康管理(BMS)提供可靠的状态输入;③推动深度学习在时间序列预测中的实际落地,提升现有预测模型的泛化能力与稳定性; 阅读建议:建议读者结合标题为【锂电池SOC估计】【PyTorch】基于Basisformer时间序列锂离子电池SOC预测研究(python代码实现)的资源,重点研读所提供的Python代码,深入理解数据处理方式与模型网络结构的设计思路,尝试调整超参数以观察对预测性能的影响,从而全面掌握Basisformer在时序建模中的优势、适用边界及工程化实现路径。

87,989

社区成员

发帖
与我相关
我的任务
社区描述
Web 开发 JavaScript
社区管理员
  • JavaScript
  • 无·法
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