funxu,请进

thisisxutao 2011-12-14 11:14:44
帖子
http://topic.csdn.net/u/20111214/15/39c5d349-36f3-469d-9a59-e6f29e717578.html?99189
给分错误,不能修改。在此给你,谢谢了。
...全文
176 11 打赏 收藏 转发到动态 举报
写回复
用AI写文章
11 条回复
切换为时间正序
请发表友善的回复…
发表回复
亮剑_ 2011-12-15
  • 打赏
  • 举报
回复
有错必纠,支持一下
funxu 2011-12-15
  • 打赏
  • 举报
回复
[Quote=引用 2 楼 thisisxutao 的回复:]
按你的方法,1,2,3,4,5,6,7,8,9,10后跳出的不是2,而是6
[/Quote]
对于一次性插入大量数据的做法,其实只需要修改一点点,就是每次查询时不要使用select count(*)

而是使用 select top(5) from .....where ios=0
然后更新时只更新查询到的这5条数据 ios=-1 或者当前计数
这样不断重复即可,保证每次更新5条记录,每次查询到5条记录,就不会出现你说的问题
当然如果考虑到已经更新的数据还要加入计数的话,就需要更改逻辑,使用不便的唯一id来进行查询
都先生 2011-12-15
  • 打赏
  • 举报
回复
是不是真的哦
wsxcdx 2011-12-15
  • 打赏
  • 举报
回复
  • 打赏
  • 举报
回复
funxu 2011-12-15
  • 打赏
  • 举报
回复
LZ是好人的说~
babydog01 2011-12-15
  • 打赏
  • 举报
回复
楼主诚信...
smhilyyan 2011-12-15
  • 打赏
  • 举报
回复
支持楼主..!!
楼主守信之人
hllfl 2011-12-14
  • 打赏
  • 举报
回复
头像很萌~
thisisxutao 2011-12-14
  • 打赏
  • 举报
回复
按你的方法,1,2,3,4,5,6,7,8,9,10后跳出的不是2,而是6
kaikai_kk 2011-12-14
  • 打赏
  • 举报
回复
看到标题,慕名而来...
内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。

2,507

社区成员

发帖
与我相关
我的任务
社区描述
Delphi 数据库相关
社区管理员
  • 数据库相关社区
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