不要把c++和bcb划等号!有感于“bcb已死”的言论

acai 2003-12-08 02:09:07
一派人:
bcb死了!borland不会出新版本了!!大家赶快转啊java/.net啊!!

一派人:
bcb永远不死!!我爱死borland了!!坚决拥护borland!!

1.bcb死了吗??
对,你说的没错,基本上borland不会再出bcb的新版本了,但是,你用的难道不是c++吗??除了bcb,就没有其他的c++工具了??bcb死了,c++会死吗??

2.bcb永远不死!!
还不死??什么叫不死??你自己抱着用一辈子,就叫不死??工具啊!!没有就没有了,世界不还是照样??

c++和bcb有什么区别??再菜也应该知道吧!!c++的天地有多大??是不是没了bcb,就没了c++??
什么,你就会拖拖控件??那你去用delphi去啊,不浪费你的vcl知识啊!bcb没了,delphi还有啊!!


看见”bcb死了或永远不死“这类帖子就觉得无聊!!
大家说说??
...全文
141 7 打赏 收藏 转发到动态 举报
写回复
用AI写文章
7 条回复
切换为时间正序
请发表友善的回复…
发表回复
Friecin 2004-01-31
  • 打赏
  • 举报
回复
...
勉励前行 2004-01-30
  • 打赏
  • 举报
回复
你知道自己用C++或BCB或Delphi來干什麼嗎?

為了學習而學習,為了成為高手而學習。問一下學編程究竟是為了什麼?


你知道你現在的單位最需要的軟件人才是怎樣的嗎?你離要求還有多遠。
不會是會點C++或BCB或Delphi來混飯吃的那種程序員吧。

針對於您目前的一個項目,想想編程語言(C++或BCB或其他)的影響有多深刻。
哪種語言對現有的項目幫助最大?哪種語言對現有項目的發展影響最大。在項目中,你使用你最拿手的語言,那為該項目你做出了多大的貢獻啊。在項目發展的裡程碑中,影響最大的因素是什麼。

如果有時間想無聊的問題,不妨想想以上無聊的問題。
eccalc 2004-01-30
  • 打赏
  • 举报
回复
楼主说的对了一半:
1、对于学习编程来说C++ != BCB
2、对于开发软件或者软件公司来说,工具的对口(优秀性)是可以大大的提供生产力的,
C++ == BCB,假如你学习VCL用了3个月能干活,一月3K多,公司就会损失10000圆!
lovebcb 2004-01-29
  • 打赏
  • 举报
回复
我不讨论这个~ :)
AmoyNicholas 2004-01-29
  • 打赏
  • 举报
回复
强烈支持!另外大家也有把C++和C孤立开来的倾向,什么C更好,C++不行的言论也满天飞。谁都知道C++是100%兼容C的,谁能说出在C++的类里的一个循环语句for(int i=0;i<10;i++)是C还是C++呢?!C++就是因为功能超级强大才导致了它的难学难用,想要获得强大的功能不付出代价怎么行呢?天下哪有这等不付出只获得的好事呢?!
acai 2003-12-08
  • 打赏
  • 举报
回复
呵呵,是啊,所以发到非技术区了:)
TopCat 2003-12-08
  • 打赏
  • 举报
回复
嗯,不过楼主这个帖子其实也属于无聊范围,你说呢?
内容概要:本文围绕基于CNN-BiLSTM-Attention混合神经网络模型的电力负荷预测展开研究,提出一种结合卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)与注意力机制(Attention)的深度学习框架,并通过Python代码实现高精度的短期与超短期负荷预测。该模型充分利用CNN对局部特征的提取能力,捕捉负荷数据中的周期性与趋势性模式;借助BiLSTM对时间序列前后向依赖关系的建模能力,增强对动态变化的感知;并通过Attention机制自适应地聚焦关键历史时刻,提升预测准确性。文中详细阐述了数据预处理、模型结构设计、训练流程及超参数调优方法,并在真实负荷数据集上进行了实验验证,结果表明该混合模型相比传统单一模型和其他基准模型具有更优的预测性能,尤其在应对非线性、非平稳负荷波动方面表现突出。; 适合人群:具备一定Python编程能力和机器学习基础,从事电力系统分析、能源管理、智能电网或时序预测相关工作的科研人员、工程师及高校研究生。; 使用场景及目标:①应用于电网调度、电力市场出清、需求响应管理等场景下的精细化负荷预测;②为研究人员提供一套完整的、可复现的深度学习负荷预测代码框架,推动AI技术在能源领域的落地应用;③帮助理解CNN、BiLSTM与Attention模块之间的协同机制及其在时序建模中的集成方式。; 阅读建议:建议读者结合所提供的Python代码进行动手实践,重点掌握数据归一化、滑动窗口构造、模型搭建与训练技巧,并尝试在不同地区、不同季节的负荷数据上进行迁移测试,以深入理解模型泛化能力与调参策略。
内容概要:本文围绕“MATLAB具有储能的经济调度及机会约束和鲁棒优化”展开,系统研究了电力系统中融合储能技术的经济调度问题,重点探讨了机会约束规划与鲁棒优化方法在应对新能源出力不确定性、负荷波动及系统运行风险中的应用。内容涵盖风光储协同调度、多微网共享储能、电动汽车参与调度、低碳经济调度等多种典型场景,深入分析了储能的选址定容、功率协调控制、状态估计与优化调度模型。核心技术包括粒子群优化(PSO)、分布鲁棒机会约束(DRCC)、模型预测控制(MPC)、鲁棒优化、二阶锥规划(SOCP)等先进算法,并提供了基于Matlab/Simulink的完整仿真代码实现,旨在提升新型电力系统的运行灵活性、经济性与抗风险能力。; 适合人群:具备电力系统、自动化、电气工程或相关专业背景,熟悉Matlab/Simulink仿真环境与基本优化算法,从事新能源并网、微电网运行、储能系统规划、电力市场调度等领域的研究生、科研人员及工程技术人员。; 使用场景及目标:① 学习并构建含储能的电力系统经济调度优化模型;② 掌握机会约束与鲁棒优化在处理新能源不确定性问题中的建模思路与求解方法;③ 利用提供的Matlab代码进行算法复现、仿真验证与性能对比,支撑科研项目攻关;④ 为撰写高水平学术论文、学位论文或工程优化方案提供可靠的模型参考与代码支持。; 阅读建议:建议读者结合文档中具体的案例(如风电-水电联合调度、电动汽车集群调度、多微网共享储能等)和配套的Matlab代码进行动手实践,重点关注优化模型的构建逻辑、约束条件设定与求解器配置过程,同时可关注公众号“荔枝科研社”获取完整资源包、复现教程及持续的技术支持。

551

社区成员

发帖
与我相关
我的任务
社区描述
C++ Builder 茶馆
社区管理员
  • 茶馆
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